라이보2

KAIST 동적로봇제어설계연구실이 개발한 강화학습 기반 사족보행 로봇 라이보의 후속 기종

라이보2

개요

라이보2(RAIBO 2)는 한국과학기술원(KAIST) 동적로봇제어설계연구실(DRCD Lab)이 개발한 인공지능 기반 사족보행 로봇이다. 2023년에 공개된 1세대 라이보(RAIBO)의 후속 기종으로, 강화학습(reinforcement learning)으로 학습된 보행 제어 정책을 탑재해 험지 주행과 고속 달리기를 동시에 수행하는 것을 목표로 한다. 시뮬레이션에서 대규모로 학습한 제어기를 별도의 현장 튜닝 없이 실제 로봇에 이식하는 이른바 심투리얼(SIM-to-Real) 접근을 대표하는 사례로 평가된다.

주요 내용

개발 배경

라이보 시리즈는 황보제민 KAIST 기계공학과 교수가 이끄는 동적로봇제어설계연구실에서 개발되었다. 연구진은 스위스 ETH 취리히의 사족보행 로봇 연구(ANYmal 계열)에서 축적된 동적 보행 제어 노하우를 바탕으로, 별도의 정밀 지형 인식 센서에 의존하지 않고도 거친 지형을 안정적으로 걸을 수 있는 학습 기반 제어기를 연구해 왔다. 1세대 라이보는 자갈밭, 계단, 경사면과 같은 비정형 지형을 강화학습만으로 주파하는 성능을 보여 주목을 받았으며, 라이보2는 이러한 성과를 계승하면서 속도와 내구성, 지형 적응 범위를 확장한 기종이다.

하드웨어 및 기구 설계

라이보2는 네 개의 다리를 가진 중형 사족보행 로봇으로, 대형견과 비슷한 체급의 몸체를 갖는다. 고속 주행과 착지 충격 흡수를 모두 고려한 링크 구조와 고출력 구동기를 사용하며, 관절 토크를 직접 제어할 수 있는 프로프리오셉티브 액추에이터(proprioceptive actuator) 계열의 설계가 적용된 것으로 알려져 있다. 프레임은 경량화를 위해 탄소섬유 복합재와 알루미늄 부품을 혼용하는 방식이 쓰이며, 배터리와 연산 컴퓨터가 몸체 상단에 배치된다. 주요 센서로는 관성측정장치(IMU)와 각 관절의 엔코더가 기본 장착되고, 필요에 따라 카메라와 라이다(LiDAR)를 추가해 인식 기반 자율주행 기능을 확장할 수 있다.

제어 기술: 강화학습 기반 보행

라이보2의 핵심은 신경망 기반 보행 제어기다. 연구진은 시뮬레이터에서 수천 개의 로봇 인스턴스를 병렬로 학습시키는 대규모 강화학습 기법을 사용해, 관절 토크 명령을 직접 출력하는 제어 정책을 훈련한다. 학습 과정에서는 지형 마찰, 질량 분포, 구동기 지연, 센서 노이즈 등을 무작위로 변화시키는 도메인 랜덤화(domain randomization)를 적용해 시뮬레이션과 현실 사이의 격차를 줄인다. 그 결과 라이보2는 별도의 지형 맵 없이도 자갈, 잔디, 진흙, 계단, 경사로, 흔들리는 발판 등 다양한 환경에서 균형을 유지하며 이동할 수 있다. 또한 넘어짐이 감지되면 스스로 자세를 회복하는 기립 제어 기능도 연구 성과로 보고된 바 있다.

주요 성능과 실험

1세대 라이보는 평지에서 시속 10km를 넘는 고속 주행과 100m 구간을 약 20초 이내에 주파하는 기록을 보여 사족보행 로봇 중 손꼽히는 속도를 달성한 것으로 알려져 있다. 라이보2는 이러한 속도 성능을 유지하면서도 더 높은 계단과 더 좁은 발판, 더 큰 요철을 극복하는 방향으로 성능이 확장되었다. 실험 영상에서는 계단 오르내리기, 경사진 지형에서의 방향 전환, 외부 충격을 받은 뒤의 자세 복원 등이 시연되었으며, 이러한 결과는 국제 학회와 저널을 통해 발표되었다.

활용 분야 및 전망

사족보행 로봇은 바퀴로 이동하기 어려운 재난 현장 수색, 산업 설비 점검, 건설 현장 모니터링, 국방 정찰, 농업·물류 등에 활용될 수 있다. 라이보2는 상용 제품이라기보다 대학 연구실의 플랫폼 성격이 강하지만, 강화학습 기반 제어 기술을 실제 하드웨어에서 검증하는 레퍼런스로서 국내외 로봇 연구에 영향을 주고 있다. 향후에는 로봇 파운데이션 모델과의 결합, 온디바이스 AI 연산, 그리고 시각·촉각 등 다중 감각 융합을 통한 자율성 향상이 주요 과제로 꼽힌다.

최신 동향

2024~2025년 로봇 산업은 휴머노이드 로봇에 대한 투자가 급증한 시기이지만, 동시에 사족보행 로봇은 상대적으로 성숙한 기술로 평가되며 실용화 단계에 접어들었다. 보스턴 다이나믹스의 스팟, 중국 유니트리(Unitree)와 딥로보틱스(Deep Robotics)의 제품군이 산업 현장에 보급되면서 가격 경쟁이 심화되었고, KAIST를 비롯한 국내 연구진은 이러한 범용 하드웨어보다 학습 기반 제어 알고리즘과 소프트웨어 역량에서 차별화를 시도하고 있다. 강화학습과 대규모 시뮬레이션을 결합한 심투리얼 방식은 이제 보행 로봇 제어의 사실상 표준으로 자리 잡았으며, 최근에는 사전학습된 범용 정책을 소량의 실제 데이터로 미세조정하는 파인튜닝 기법, 자연어 지시를 이해해 이동 목표를 수행하는 로봇 파운데이션 모델 연구로 관심이 옮겨가고 있다. 또한 학습 데이터와 모델 가중치를 오픈소스로 공개하는 흐름이 확산되면서, 라이보 시리즈의 연구 성과도 학계의 재현 연구와 후속 연구에 활용되고 있다.

관련 주제

  • [[라이보]]
  • [[사족보행 로봇]]
  • [[강화학습]]
  • [[KAIST]]
  • [[휴보]]
  • [[보스턴 다이나믹스]]