【오즈커뮤-OZcommunity】 보증업체놀이터추천홍보 : 프로그램제작판매제작의뢰 : 스포츠분석 : 무료스포츠중계tv : 섹시bj움짤 : 스포츠뉴스 : 안구정화 놀이터홍보 놀이터후기공유 피해사례공유

로그인

글쓰기

[IT뉴스]공 경로 예측하고 상대 슛 차단…구글 딥마인드, 로봇 축구 시연 공개

온카뱅크관리자

2024-04-11 16:04:13

<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="5mF44oQ01s">
          <figure class="figure_frm origin_fig" dmcf-pid="1JCFFVUlGm" dmcf-ptype="figure">
           <p class="link_figure"><img alt="Deep RL로 학습된 휴머노이드 로봇이 상대 로봇과 일대일 축구를 하고 있다. Tuomas Haarnoja 제공 영상 캡처" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202404/11/dongascience/20240411160420006mqnk.jpg" data-org-width="680" dmcf-mid="GSohhtTNGh" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202404/11/dongascience/20240411160420006mqnk.jpg" width="658"></p>
           <figcaption class="txt_caption default_figure">
            Deep RL로 학습된 휴머노이드 로봇이 상대 로봇과 일대일 축구를 하고 있다. Tuomas Haarnoja 제공 영상 캡처
           </figcaption>
          </figure>
          <p dmcf-pid="t8kWWuXDXr" dmcf-ptype="general">영국 연구팀이 심층 강화 학습으로 훈련된 휴머노이드 로봇으로 일대일 축구 경기를 시연하고 영상을 공개했다.</p>
          <p dmcf-pid="F6EYY7Zw5w" dmcf-ptype="general"> 투오마스 하르노야 영국 구글 딥마인드 연구원이 이끈 연구팀은 '심층 강화 학습(Deep RL)'으로 소형 휴머노이드 로봇을 훈련해 민첩하고 복잡한 일대일 축구 경기를 시연한 결과를 10일(현지시간) 국제학술지 '사이언스 로보틱스'에 공개했다. Deep RL은 강화 학습의 보상 극대화 목표와 딥러닝의 지도 학습 및 신경망을 결합한 학습 방법이다.</p>
          <div class="video_frm" dmcf-pid="3FQccvwMHD" dmcf-ptype="embed">
           <div class="layer_vod">
            <div class="vod_player">
             <iframe allowfullscreen class="player_iframe" dmcf-mid="XLoCC1vatI" dmcf-mtype="video/youtube" frameborder="0" height="370" id="video@XLoCC1vatI" scrolling="no" src="https://www.youtube.com/embed/Ci9vgX4kBW0?origin=https://v.daum.net&amp;enablejsapi=1&amp;playsinline=1" width="100%"></iframe>
            </div>
           </div>
          </div>
          <p dmcf-pid="03xkkTrR1E" dmcf-ptype="general"> 이족 보행 로봇은 특정 행동을 위한 제어 방법을 일반화하기 어렵다. 연구팀은 스크립트를 작성해 로봇의 움직임을 수동 제어하는 것보다 Deep RL을 활용하는 것이 효율적이라고 설명했다.</p>
          <p dmcf-pid="p0MEEymeGk" dmcf-ptype="general"> 연구팀은 시뮬레이션에서 로봇을 두 단계로 훈련시켰다. 첫 번째 단계에서는 바닥에서 일어나기, 훈련되지 않은 상대를 상대로 골 넣기 두 가지 기술을 훈련했다. 두 번째 단계에서는 이전에 학습한 기술을 결합해 자신의 복제본과 일대일 축구 과제를 수행하며 공의 움직임을 예측하고 상대의 슛을 차단하는 방법 등을 학습했다.</p>
          <p dmcf-pid="UjYqqM9HGc" dmcf-ptype="general"> 실험 경기에서 Deep RL로 훈련된 로봇 선수는 스크립트화된 기술을 사용하는 로봇 선수보다 181% 더 빠르게 걷고, 302% 더 빠르게 회전하고, 34% 더 빠르게 공을 차고, 넘어진 후 일어나는 데 63% 더 적은 시간이 걸렸다.</p>
          <figure class="figure_frm origin_fig" dmcf-pid="uAGBBR2XtA" dmcf-ptype="figure">
           <p class="link_figure"><img alt="시뮬레이션(왼쪽)과 실제(오른쪽) 축구 환경. 실제 경기장은 가로 4m, 세로 5m 크기로 두 로봇과 공을 추적하기 위한 모션 캡처 시스템이 설치됐다. Tuomas Haarnoja 제공" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202404/11/dongascience/20240411160421259gykf.jpg" data-org-width="680" dmcf-mid="HSDGGz5rZC" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202404/11/dongascience/20240411160421259gykf.jpg" width="658"></p>
           <figcaption class="txt_caption default_figure">
            시뮬레이션(왼쪽)과 실제(오른쪽) 축구 환경. 실제 경기장은 가로 4m, 세로 5m 크기로 두 로봇과 공을 추적하기 위한 모션 캡처 시스템이 설치됐다. Tuomas Haarnoja 제공
           </figcaption>
          </figure>
          <p dmcf-pid="7cHbbeVZGj" dmcf-ptype="general">연구팀은 "로봇이 수동으로 구현하기 어려운 동작을 수행했다"고 말했다. 움직이는 공을 차는 것 같은 상황 의존적이고 민첩한 기술, 공을 가진 공격수에게 접근할 때는 잃어버린 공을 쫓을 때와 비교해 더 짧은 걸음으로 접근하는 등의 풋워크 동작을 예로 들었다.</p>
          <p dmcf-pid="zY9nnmaVHN" dmcf-ptype="general"> 연구팀은 "딥러닝이 휴머노이드 로봇에게 단순하지만 안전한 동작을 생성할 수 있는 경로를 제공하고 이를 활용해 로봇이 역동적인 상황에서 복잡한 행동을 할 수 있음을 보여준다"고 밝혔다.</p>
          <p dmcf-pid="qG2LLsNf5a" dmcf-ptype="general">[이병구 기자 2bottle9@donga.com]</p>
         </section> 
        </div> 
        <p class="" data-translation="true">Copyright © 동아사이언스. 무단전재 및 재배포 금지.</p>