【드래곤 스포츠】 보증업체놀이터추천홍보 : 프로그램제작판매제작의뢰 : 스포츠분석 : 무료스포츠중계tv : 섹시bj움짤 : 뉴스 : 안구정화

로그인

글쓰기

[IT뉴스]훈련 없이 백플립·브레이크댄스까지 선보이는 휴머노이드 로봇

온카뱅크관리자

2026-08-13 05:07:28

<div id="layerTranslateNotice" style="display:none;"></div>  
        <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> 
         <section dmcf-sid="2h7Dyc3GdK">
          <figure class="figure_frm origin_fig" contents-hash="ca25b65346083cdbd4e4bb5f2b5bcd607d57923c711476bc82dec9cc36baa6ad" dmcf-pid="VlzwWk0HRb" dmcf-ptype="figure">
           <p class="link_figure"><img alt="다양한 동작 정보를 결합해 학습 과정에 활용하는 로봇 학습 기술이 개발됐다. Jean-Pierre Sleiman 제공" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202608/13/dongascience/20260813050138630shnp.png" data-org-width="680" dmcf-mid="Xm2WUvfzdL" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202608/13/dongascience/20260813050138630shnp.png" width="658"></p>
           <figcaption class="txt_caption default_figure">
            다양한 동작 정보를 결합해 학습 과정에 활용하는 로봇 학습 기술이 개발됐다. Jean-Pierre Sleiman 제공
           </figcaption>
          </figure>
          <p contents-hash="fe63f241ea073515ef0290a5d4c5dd176bb7015aae0748804240619f2bc3b0b4" dmcf-pid="fE5osiYCeB" dmcf-ptype="general">모션캡처·영상·애니메이션 등 다양한 동작 자료를 한꺼번에 학습해 로봇이 특정 동작마다 별도의 훈련을 하지 않고도 폭넓은 움직임을 익힐 수 있는 학습 체계(프레임워크)가 개발됐다. 프레임워크를 적용한 휴머노이드 로봇은 포복·브레이크댄스·공중제비 등 복잡한 전신 동작을 성공적으로 수행했다. </p>
          <p contents-hash="e0879c39d0a7ccce658ab163ff5cf8c35ea45be7c2ee179340010c11e6582e5f" dmcf-pid="4D1gOnGheq" dmcf-ptype="general"> 미국 로봇·인공지능연구소(RAI)와 보스턴다이내믹스 공동연구팀은 다양한 동작 데이터를 강화학습에 활용하는 프레임워크 '제스트(ZEST)'를 개발하고 연구결과를 12일 국제학술지 '사이언스 로보틱스'에 발표했다. 강화학습은 로봇이 다양한 행동을 직접 시도하고 시행착오를 거치면서 더 나은 동작을 찾아가도록 학습시키는 방식이다. </p>
          <p contents-hash="d7f53f563e3cc4f23f4405e3f51d6d772c9f3d4591877a92374e806d06d70476" dmcf-pid="8wtaILHlJz" dmcf-ptype="general"> 휴머노이드 로봇은 인간과 비슷한 신체 구조를 갖춰 사람이 생활하는 공간에서 다양한 작업을 수행하도록 개발되고 있다. 여러 신체 부위를 동시에 제어해 사람처럼 자연스럽고 조화롭게 움직이도록 만드는 것은 쉽지 않다.</p>
          <p contents-hash="e72582a76187ba7d7efc5d7ab1aea7f90164f8debb48b3f12460b5f47335d849" dmcf-pid="6rFNCoXSM7" dmcf-ptype="general"> 연구팀이 개발한 제스트는 사람의 움직임을 정밀하게 기록한 모션캡처부터 영상 기반 동작 데이터, 애니메이션의 주요 동작 정보인 '키프레임'까지 다양한 형태의 자료를 하나의 학습 과정에서 활용하도록 설계됐다.</p>
          <figure class="figure_frm origin_fig" contents-hash="9fb5f93b7c7a1da32d29ea07d98f43659318d33b74189a097b897039591f94a1" dmcf-pid="Pm3jhgZvnu" dmcf-ptype="figure">
           <p class="link_figure"><img alt="제스트를 적용한 휴머노이드는 다양한 부위를 사용해야 하는 복잡한 동작도 성공적으로 학습했다. Jean-Pierre Sleiman 제공" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202608/13/dongascience/20260813050139903jzap.png" data-org-width="680" dmcf-mid="BEJU83nQdf" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202608/13/dongascience/20260813050139903jzap.png" width="658"></p>
           <figcaption class="txt_caption default_figure">
            제스트를 적용한 휴머노이드는 다양한 부위를 사용해야 하는 복잡한 동작도 성공적으로 학습했다. Jean-Pierre Sleiman 제공
           </figcaption>
          </figure>
          <p contents-hash="8ac21452f72687de297de795c42177b01e256de759b7805826efcbb1b632a583" dmcf-pid="Qs0Ala5TnU" dmcf-ptype="general">학습 과정에서는 실패를 줄이기 위해 각 동작의 난도를 스스로 추정하고 상대적으로 어려운 동작을 더 집중적으로 학습하도록 설정했다.</p>
          <p contents-hash="52d84f33f9b1b3d02abaec04d30837bec0bba29c00bc1acc20ca33e69878aceb" dmcf-pid="xOpcSN1ydp" dmcf-ptype="general">제스트는 특정 동작마다 세부적인 정보나 별도 참고 동작을 제공하지 않아도 학습한 내용을 다양한 행동에 적용할 수 있다. 휴머노이드뿐 아니라 사족보행 로봇처럼 신체 형태가 다른 로봇에도 활용 가능하다.</p>
          <p contents-hash="0d85d89cdeef0af4b919a13104adb123702426eacef879d3d4bb314328d2c3bc" dmcf-pid="y2ju60Lxn0" dmcf-ptype="general">연구팀은 제스트를 보스턴다이내믹스의 휴머노이드 로봇 '아틀라스', 유니트리의 소형 휴머노이드 'G1', 보스턴다이내믹스의 사족보행 로봇 '스팟'에 적용했다.</p>
          <figure class="figure_frm origin_fig" contents-hash="fec73fe7564bb51f7dfafdd511295f8e0dac89119abd24b1b5a46c82cb812ac2" dmcf-pid="WVA7PpoMn3" dmcf-ptype="figure">
           <p class="link_figure"><img alt="미국 로봇기업 보스턴 다이나믹스의 로봇 개 '스팟'. 보스턴 다이나믹스 제공" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202608/13/dongascience/20260813050141226nqiw.png" data-org-width="611" dmcf-mid="bdsxj6IknV" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202608/13/dongascience/20260813050141226nqiw.png" width="658"></p>
           <figcaption class="txt_caption default_figure">
            미국 로봇기업 보스턴 다이나믹스의 로봇 개 '스팟'. 보스턴 다이나믹스 제공
           </figcaption>
          </figure>
          <p contents-hash="1e2cc0749af24bff0ea5145f53b29e6545cd155e71d828d8136458b6971db762" dmcf-pid="YfczQUgRMF" dmcf-ptype="general">학습 결과 로봇들은 네 발로 기어가기·옆돌기·상자 위로 뛰어오르기·발레 동작·물구나무서기·축구공 차기 등 다양한 움직임을 성공적으로 수행했다. 여러 부위를 동시에 사용해야 하는 포복이나 브레이크댄스 같은 복잡한 동작도 구현했다.</p>
          <p contents-hash="0760c4f04c3638ba28e2a01d35a3a98e49c4da78214986ff1e364cc2f5f7ea28" dmcf-pid="G4kqxuaeJt" dmcf-ptype="general"> 사족보행 로봇 스팟에는 애니메이션 동작도 추가 학습시켰다. 스팟은 뒤로 연속 공중제비를 돌고, 물구나무 자세로 균형을 잡거나 옆으로 구르는 동작까지 수행했다.</p>
          <p contents-hash="c55f0fe5362a85228f6d35da73342a9f2174127d2c361830718508df915dc132" dmcf-pid="H1PypSV7e1" dmcf-ptype="general"> 연구팀은 "제스트가 특정 동작별로 별도 제어 기술을 개발해야 하는 부담을 줄이고 로봇이 보다 폭넓은 움직임을 습득하는 데 활용되기를 기대한다"며 "추가적인 기술 개선을 거치면 휴머노이드 로봇과 실제 사람 사이 움직임 격차를 없애는 데 기여할 것"이라고 말했다.</p>
          <p contents-hash="e09d5dcce44d9147815704788afd348ba65b6c08558e33c0eb039ce4aa395a75" dmcf-pid="XtQWUvfzJ5" dmcf-ptype="general">&lt;참고 자료&gt;<br> doi.org/10.1126/scirobotics.aec7695</p>
          <div class="video_frm" dmcf-pid="ZFxYuT4qiZ" dmcf-ptype="embed">
           <div class="layer_vod">
            <div class="vod_player">
             <iframe allowfullscreen class="player_iframe" dmcf-mid="KpEBM7Ndn2" dmcf-mtype="video/youtube" frameborder="0" height="370" id="video@KpEBM7Ndn2" scrolling="no" src="https://www.youtube.com/embed/X7B_B8TrCc8?origin=https://v.daum.net&amp;enablejsapi=1&amp;playsinline=1" width="100%"></iframe>
            </div>
           </div>
          </div>
          <p contents-hash="a4ef13a04da0803a2d8fc0274ae6ba608f1bde1e12fc0890925aaa427456b097" dmcf-pid="53MG7y8BLX" dmcf-ptype="general">[문혜원 기자 moony@donga.com]</p>
         </section> 
        </div> 
        <p class="" data-translation="true">Copyright © 동아사이언스. 무단전재 및 재배포 금지.</p>

댓글 총 0개

이번주 포인트랭킹

매주 일요일 밤 0시에 랭킹을 초기화합니다.

14,000상품권
23,000상품권
32,000상품권

업체홍보/구인 더보기

지식/노하우 더보기

판매의뢰 더보기

포토 더보기