Why Don’t We Have Better Robots Yet? | Ken Goldberg | TED

번역: Hanna Park 검토: JY Kang

I have a feeling most people in this room would like to have a robot at home.

여기 계신 분들 대부분이 집에 로봇을 두고 싶어할 것 같아요.

It'd be nice to be able to do the chores and take care of things.

집안일도 하고 이것저것 알아서 할 수 있으면 좋잖아요.

Where are these robots?

이런 로봇들은 어디에 있나요? 뭐가 그렇게 오래 걸리나요?

What's taking so long?

I mean, we have our tricorders,

휴대용 스캐너도 있고,

and we have satellites.

위성도 있잖아요.

We have laser beams.

레이저 빔도 있죠.

But where are the robots?

그런데 로봇은 어디에 있는 거죠?

(Laughter)

(웃음)

I mean, OK, wait, we do have some robots in our home,

그러니까, 잠깐만요, 우리 집에도 로봇이 있긴 한데,

but, not really doing anything that exciting, OK?

그리 신나는 일을 하진 않아요.

(Laughter)

(웃음)

Now I've been doing research at UC Berkeley for 30 years

저는 UC 버클리에서 30년간 로봇에 관한 연구를 해왔는데요.

with my students on robots,

and in the next 10 minutes,

이제 10분 동안,

I'm going to try to explain the gap between fiction and reality.

공상과 현실 사이의 격차를 설명하려고 합니다.

Now we’ve seen images like this, right?

이 영상 본 적 있으실 거에요.

These are real robots.

이게 진짜 로봇이에요. 정말 놀랍죠.

They're pretty amazing.

But those of us who work in the field,

하지만 현장에서 일하는 우리 입장에서는

well, the reality is more like this.

현실은 이런 모습이죠.

(Laughter)

(웃음)

That's 99 out of 100 times, that's what happens.

100번 중 99번은 이런 일이 벌어지죠.

And in the field, there's something that explains this

현장에서는 이런 걸 두고 모라벡의 역설이라고 합니다.

that we call Moravec's paradox.

And that is, what's easy for robots,

로봇에게는 쉬운 일,

like being able to pick up a large object,

즉, 크고 무거운 물체를 집어 올리는 것 같은 쉬운 일이

large, heavy object,

is hard for humans.

인간에게는 어려운 일이죠.

But what's easy for humans,

하지만 블록을 집어서 쌓는 것 같이 인간에게는 쉬운 일이

like being able to pick up some blocks and stack them,

well, it turns out that is very hard for robots.

로봇에게는 매우 어려운 일입니다.

And this is a persistent problem.

그리고 이것은 끊임없이 지속되는 문제이기에

So the ability to grasp arbitrary objects is a grand challenge for my field.

임의의 물체를 집는 능력이 제 분야에서는 큰 도전입니다.

Now by the way, I was a very klutzy kid.

그나저나 저는 엄청 둔한 아이였어요.

(Laughter)

(웃음)

물건을 자주 떨어뜨렸죠.

I would drop things.

Any time someone would throw me a ball, I would drop it.

누가 공을 던지면 자주 놓치곤 해서 농구팀에도 겨우 들어갔습니다.

I was the last kid to get picked on a basketball team.

I'm still pretty klutzy, actually,

사실 아직도 매우 둔한 편이긴 하지만,

but I have spent my entire career studying how to make robots less clumsy.

그런 제가 로봇을 덜 서투르게 만드는 방법을 평생 연구한 거죠.

Now let's start with the hardware.

이제 하드웨어부터 시작하겠습니다.

So the hands.

먼저 손에 대한 건데요.

Now this is a robot hand, a particular type of hand.

이건 로봇의 손입니다. 특별한 종류의 손인데요.

It's a lot like our hand.

우리 손과 많이 닮았죠.

And it has a lot of motors, a lot of tendons

보시는 것처럼 모터도 많고 힘줄도 많고 케이블도 많죠.

and cables as you can see.

So it's unfortunately not very reliable.

그래서 안타깝게도 신뢰성이 떨어집니다.

It's also very heavy and very expensive.

또한 매우 무겁고, 매우 비싸죠.

So I'm in favor of very simple hands, like this.

그래서 저는 이렇게 단순한 손을 선호합니다.

So this has just two fingers.

이건 손가락이 두 개밖에 없죠.

It's known as a parallel jaw gripper.

평행 턱 집게라고 합니다.

So it's very simple.

이건 아주 단순합니다.

It's lightweight and reliable and it's very inexpensive.

가볍고 안정적이며 매우 저렴합니다.

And if you're doubting that simple hands can be effective,

이 단순한 손이 효과적일지 의심스러울 거예요.

look at this video where you can see that two very simple grippers,

이 영상에서 두 개의 아주 단순한 집게들을 볼 수 있는데요.

these are being operated, by the way,

그런데 사실 사람이 집게들을 꼭두각시처럼 조종하고 있는 거예요.

by humans who are controlling the grippers like a puppet.

But very simple grippers are capable of doing very complex things.

하지만 이렇게 단순한 집게로 매우 복잡한 작업을 할 수 있습니다.

Now actually in industry,

실제로 현재 산업 현장에서는 더 간단한 로봇 집게도 있습니다.

there’s even a simpler robot gripper, and that’s the suction cup.

바로 흡착 컵인데요.

And that only makes a single point of contact.

이렇게 하면 단 하나의 접촉점만 만들 수 있습니다.

So again, simplicity is very helpful in our field.

다시 말씀드리지만, 단순함은 우리 분야에서 매우 유용합니다.

Now let's talk about the software.

이제 소프트웨어에 대해 이야기해 보죠.

This is where it gets really, really difficult

이 분야는 정말 어렵습니다.

불확실성이라는 근본적인 문제 때문이죠.

because of a fundamental issue, which is uncertainty.

There's uncertainty in the control.

제어의 불확실성,

There’s uncertainty in the perception.

인지의 불확실성,

And there’s uncertainty in the physics.

그리고 물리학적 불확실성이 있습니다.

Now what do I mean by the control?

그럼 제어는 무엇을 의미할까요?

Well if you look at a robot’s gripper trying to do something,

로봇 집게로 뭔가를 할 때는

there's a lot of uncertainty in the cables and the mechanisms

케이블과 메커니즘에 많은 불확실성이 존재하는데,

that cause very small errors.

그 결과 아주 작은 오류가 발생합니다.

And these can accumulate and make it very difficult to manipulate things.

그리고 이것이 누적되어 물건들을 조작하기가 매우 어려워질 수 있습니다.

Now in terms of the sensors, yes,

감지 장치 측면에서 보자면,

robots have very high-resolution cameras just like we do,

로봇은 우리처럼 매우 높은 해상도의 카메라를 가지고 있습니다.

and that allows them to take images of scenes in traffic

로봇은 그걸로 장면을 촬영할 수 있죠.

교통, 양로원, 창고 또는 수술실의 장면을 볼 수 있습니다.

or in a retirement center,

or in a warehouse or in an operating room.

But these don't give you the three-dimensional structure

하지만 이것만으로 현재 상황을 3차원적으로 구조화할 수는 없습니다.

of what's going on.

So recently, there was a new development called LIDAR,

그래서 최근 새로 개발된 것이 라이다(LiDAR)라는 기술인데요.

and this is a new class of cameras that use light beams to build up

이 새로운 종류의 카메라는 광선을 이용해서

주변 환경을 3차원 모델로 만듭니다.

a three-dimensional model of the environment.

And these are fairly effective.

이 기술은 상당히 효과적입니다.

They really were a breakthrough in our field, but they're not perfect.

우리 분야에서 정말 획기적인 발전이었어요.

하지만 완벽하진 않았습니다.

So if the objects have anything that's shiny or transparent,

물체에 반짝이거나 투명한 것이 있으면

well, then the light acts in unpredictable ways,

빛이 예측할 수 없게 작용하여 이미지에 왜곡이나 구멍이 생깁니다.

and it ends up with noise and holes in the images.

So these aren't really the silver bullet.

그러니까 이것이 진짜 결정적인 해결책은 아니죠.

And there’s one other form of sensor out there now called a “tactile sensor.”

그리고 현재 “촉각 센서”라고 불리는 또 다른 형태의 감지 장치가 있습니다.

And these are very interesting.

매우 흥미로운 기술인데요.

They use cameras to actually image the surfaces

로봇 손이 접촉하면 카메라로 실제 접촉면을 이미지화합니다.

as a robot would make contact,

but these are still in their infancy.

하지만 아직 초기 단계입니다.

Now the last issue is the physics.

이제 마지막 주제는 물리학입니다.

And let me illustrate for you by showing you,

예를 들어 보여 드릴게요.

we take a bottle on a table

테이블 위에 놓인 병을 밀면,

and we just push it,

and the robot's pushing it in exactly the same way each time.

로봇이 매번 정확하게 똑같은 방식으로 밀어냅니다.

But you can see that the bottle ends up in a very different place each time.

하지만 병이 매번 다른 위치로 밀리는 걸 볼 수 있습니다.

And why is that?

왜 그럴까요?

Well it’s because it depends on the microscopic surface topography

그건 병 밑 바닥 표면의 미세한 높낮이 차이에 따라

병의 미끄러짐이 달라지기 때문이죠.

underneath the bottle as it slid.

For example, if you put a grain of sand under there,

예를 들어 모래알을 그 밑에 넣으면,

it would react very differently than if there weren't a grain of sand.

모래 한 알이 없을 때와는 아주 다르게 반응하죠.

And we can't see if there's a grain of sand because it's under the bottle.

그리고 병 밑에 모래 알갱이가 있는지도 알 수 없고요.

It turns out that we can predict the motion of an asteroid

100만 마일 떨어진 소행성의 움직임을 예측하는 것이

a million miles away,

far better than we can predict the motion of an object

로봇의 움직임을 예측하는 것보다 훨씬 더 쉽다고 할 수 있죠.

as it's being grasped by a robot.

Now let me give you an example.

이제 한 가지 예를 들어보죠.

Put yourself here into the position of being a robot.

로봇의 입장에서 생각해보세요.

You're trying to clear the table

테이블을 치우려고 하는데

and your sensors are noisy and imprecise.

감지된 신호가 왜곡되고 정확하지 않아요.

Your actuators, your cables and motors are uncertain,

작동 장치, 케이블 및 모터가 불확실하기 때문에

so you can't fully control your own gripper.

집게를 제대로 제어할 수 없습니다.

And there's uncertainty in the physics,

그리고 물리학에는 불확실성이 있기 때문에,

so you really don't know what's going to happen.

어떤 일이 벌어질지 알 수 없습니다.

So it's not surprising that robots are still very clumsy.

따라서 당연히 로봇의 동작이 서툴 수밖에 없죠.

Now there's one sweet spot for robots, and that has to do with e-commerce.

로봇이 가장 적합한 분야는 전자 상거래 관련 분야입니다.

And this has been growing, it's a huge trend.

이 분야는 계속해서 성장해 왔죠.

And during the pandemic, it really jumped up.

특히 팬데믹 기간에는 급격한 증가세를 보였습니다.

I think most of us can relate to that.

다들 공감하실 거예요.

We started ordering things like never before,

물건을 주문하는 방식이 전과 전혀 달라졌고,

and this trend is continuing.

이런 추세는 계속되고 있죠.

And the challenge is to meet the demand,

문제는 주문량을 충족시키는 것입니다.

we have to be able to get all these packages delivered in a timely manner.

이 모든 택배 상품을 적시에 배송할 수 있어야 하죠.

And the challenge is that every package is different,

문제는 택배 물품이 다 다르고, 주문 내용도 다르다는 것입니다.

every order is different.

So you might order some some nail polish and an electric screwdriver.

그래서 여러분이 매니큐어와 전동 드라이버를 주문했다고 치죠.

And those two objects are going to be

그 두 물건은 거대한 창고 안 어느 한 곳에 있을 거예요.

somewhere inside one of these giant warehouses.

And what needs to be done is someone has to go in,

그러면 해야 할 일은 누군가가 거기 들어가서,

find the nail polish and then go and find the screwdriver,

매니큐어를 찾고, 다음에 드라이버도 찾아와서

bring them together, put them into a box and deliver them to you.

그것들을 박스에 넣고 여러분에게 배달해야 합니다.

So this is extremely difficult, and it requires grasping.

이것은 매우 어려운 일이죠. 물건을 찾아서 집어 와야 하고요.

So today, this is almost entirely done with humans.

그래서 지금은 그 일 대부분을 사람이 담당하고 있죠.

And the humans don't like doing this work,

그런데 사람들은 이 일을 싫어해서 이직률이 엄청납니다.

there's a huge amount of turnover.

So it's a challenge.

그래서 사람들은 로봇을 데려다가 창고에 넣고 이 일을 시키기로 했죠.

And people have tried to put robots

into warehouses to do this work.

(Laughter)

(웃음)

It hasn't turned out all that well.

아직 잘 되고 있는 건 아니에요.

But my students and I, about five years ago,

하지만 학생들과 저는 약 5년 전에,

we came up with a method, using advances in AI and deep learning,

AI와 딥러닝의 발전을 이용해서

to have a robot essentially train itself to be able to grasp objects.

로봇이 물건 잡는 걸 스스로 배우는 방법을 생각해 냈습니다.

And the idea was that the robot would do this in simulation.

로봇이 시뮬레이션을 통해 이 일을 수행하게 하자는 개념이죠.

It was almost as if the robot were dreaming about how to grasp things

마치 로봇이 사물을 쥐는 법을 꿈꾸면서 정확히 쥐는 법을 배우는 것과 같아요.

and learning how to grasp them reliably.

And here's the result.

그 결과로 나온 것이 덱스넷이라는 시스템인데요.

This is a system called Dex-net

that is able to reliably pick up objects

로봇이 앞에 있는 통 속의 물체들을 안정적으로 집어 올릴 수 있습니다.

that we put into these bins in front of the robot.

These are objects it's never been trained on,

이런 물체들은 아직 훈련을 받지 않은 것들인데,

and it's able to pick these objects up

로봇이 이런 물체들을 집어 들고

and reliably clear these bins over and over again.

계속해서 반복하면서 통을 깨끗하게 비울 수 있습니다.

So we were very excited about this result.

그래서 저희는 이 결과가 정말 만족스러웠어요.

And the students and I went out to form a company,

학생들과 저는 회사를 설립했고,

and we now have a company called Ambi Robotics.

지금은 앰비 로보틱스라는 회사가 생겼습니다.

And what we do is make machines that use the algorithms,

우리가 하는 일은 버클리에서 개발한 알고리즘 소프트웨어를 사용하여,

the software we developed at Berkeley,

택배 상자를 분류하는 로봇을 만드는 것입니다.

to pick up packages.

And this is for e-commerce.

전자 상거래를 위한 로봇이죠.

The packages arrive in large bins, all different shapes and sizes,

큰 용기에 담겨 운반된 모양과 크기가 다른 상자들을

and they have to be picked up,

집어서 스캔하고 우편번호에 따라 작은 용기에 넣어야 합니다.

scanned and then put into smaller bins depending on their zip code.

We now have 80 of these machines operating across the United States,

현재 미국 전역에서 80대의 로봇이 운영되고 있고,

sorting over a million packages a week.

일주일에 100만 개가 넘는 택배 물품을 분류하고 있습니다.

Now that’s some progress,

이제 어느 정도 진전이 있긴 하지만,

but it's not exactly the home robot that we've all been waiting for.

우리 모두가 기다려왔던 가정용 로봇은 아닙니다.

So I want to give you a little bit of an idea

그래서 우리가 하고 있는 몇 가지 새로운 연구를 소개해드리겠습니다.

of some the new research that we're doing

여러분 가정용 로봇의 등장에 필요한 연구라고 할 수 있죠.

to try to be able to have robots more capable in homes.

And one particular challenge is being able to manipulate deformable objects,

특히 한 가지 특별한 점은 변형 가능한 물체를 조작할 수 있다는 것입니다.

like strings in one dimension,

예를 들어 1차원의 끈,

two-dimensional sheets and three dimensions,

2차원 시트,

3차원의 과일, 채소 같은 물체 말이죠.

like fruits and vegetables.

So we've been working on a project to untangle knots.

그래서 우리는 얽힌 매듭을 푸는 프로젝트를 진행해 왔습니다.

And what we do is we take a cable and we put that in front of the robot.

먼저 케이블을 가져다가 로봇 앞에 놓습니다.

It has to use a camera to look down, analyze the cable,

그러면 카메라로 내려다보고, 케이블을 분석한 뒤에

figure out where to grasp it

어디서 잡아야 하는지,

and how to pull it apart to be able to untangle it.

어떻게 분리해야 풀릴지 알아내야 합니다.

And this is a very hard problem,

이건 정말 어려운 문제예요.

because the cable is much longer than the reach of the robot.

케이블이 로봇의 팔 길이보다 훨씬 더 길기 때문이죠.

So it has to go through and manipulate, manage the slack as it's working.

작업을 수행하면서 케이블을 조작하고 느슨한 부분을 관리해야 합니다.

And I would say this is doing pretty well.

꽤 잘 하는 편이라고 할 수 있어요.

It's gotten up to about 80 percent success

엉킨 케이블을 푸는 성공률이 80%에 이르고 있습니다.

when we give it a tangled cable at being able to untangle it.

The other one is something I think we also all are waiting for:

다른 하나는 우리 모두가 기다리고 있는 것일지 모르겠네요.

robot to fold the laundry.

바로 빨래를 개는 로봇이죠.

Now roboticists have actually been looking at this for a long time,

사실 로봇공학자들은 이걸 오랫동안 연구해 왔고,

and there was some research that was done on this.

몇 가지 연구 사례도 있었습니다.

But the problem is that it's very, very slow.

하지만 문제는 속도가 매우 느리다는 것입니다.

So this was about three to six folds per hour.

3번에서 6번 접는 데

한 시간이나 걸렸으니까요.

(Laughter)

(웃음)

So we decided to to revisit this problem

그래서 우리는 이 문제를 다시 살펴보기로 했고,

and try to have a robot work very fast.

로봇이 아주 빠르게 작동하도록 해보기로 했습니다.

So one of the things we did was try to think

사람처럼 천을 펼칠 수 있는 양팔 로봇을 생각했죠.

about a two-armed robot that could fling the fabric

the way we do when we're folding,

그리고 이렇게 천을 끌 때의 마찰로 주름을 다듬기도 합니다.

and then we also used friction in this case to drag the fabric

to smooth out some wrinkles.

And then we borrowed a trick which is known as the two-second fold.

그리고 2초 접기라는 기술을 빌렸죠.

You might have heard of this.

아마 들어 보셨을 겁니다.

It's amazing because the robot is doing exactly the same thing

정말 놀랍게도 로봇이 정확히 같은 일을 하고 있죠.

and it's a little bit longer, but that's real time,

시간이 조금 걸리긴 하지만요.

실시간 영상입니다. 빨리 돌린 게 아니고요.

it's not sped up.

여기서 더 발전시키는 중입니다.

So we're making some progress there.

And the last example is bagging.

마지막 예시는 비닐봉지입니다.

So you all encounter this all the time.

다들 늘 경험하는 일이죠.

You go to a corner store, and you have to put something in a bag.

동네 상점에서 비닐봉지에 물건을 담는 겁니다.

Now it's easy, again, for humans,

다시 말씀드리지만, 인간과 달리 로봇에게는 매우 까다로운 일입니다.

but it's actually very, very tricky for robots

인간은 비닐봉지를 어떻게 잡고 어떻게 다룰지 알기 때문이죠.

because for humans, you know how to take the bag

and how to manipulate it.

But robots, the bag can arrive in many different configurations.

하지만 로봇에게 비닐봉지는 다른 형태로 보일 수 있습니다.

It’s very hard to tell what’s going on

어떤 상태인지 알아내고

and for the robot to figure out how to open up that bag.

비닐봉지를 어떻게 열지 아는 건 로봇에겐 매우 어렵습니다.

So what we did was we had the robot train itself.

그래서 우리는 로봇이 스스로 훈련하도록 시켰습니다.

We painted one of these bags with fluorescent paint,

비닐봉지에 형광 페인트를 칠해두고 조명을 껐다 켜는 걸 반복하면서

and we had fluorescent lights that would turn on and off,

로봇은 기본적으로 이 비닐봉지를 다루는 방법을 스스로 터득하게 됩니다.

and the robot would essentially teach itself how to manipulate these bags.

And so we’ve gotten it now up to the point

지금은 이 문제를 어느 정도 해결할 수 있는 수준까지 도달해서

where we're able to solve this problem about half the time.

시간을 절반 정도로 줄였죠.

So it works,

잘 작동되고 있지만, 아직 원하는 수준은 아닙니다.

but I'm saying, we're still not quite there yet.

So I want to come back to Moravec's paradox.

모라벡의 역설로 다시 돌아가 보죠.

What's easy for robots is hard for humans.

로봇에게는 쉬운 것이 인간에게는 어렵습니다.

And what's easy for us is still hard for robots.

인간에게는 쉬운 일이 로봇에게는 여전히 어렵습니다.

We have incredible capabilities.

우리에겐 놀라운 능력이 있어요.

We're very good at manipulation.

우리는 조작에 아주 능숙합니다.

(Laughter)

(웃음)

But robots still are not.

하지만 로봇은 아직 그렇지 않아요.

I want to say, I understand.

저는 그걸 알고 있습니다.

It’s been 60 years,

60년이 지났지만,

and we're still waiting for the robots that the Jetsons had.

우리는 여전히 이런 가사도우미 로봇을 기다리고 있습니다.

Why is this difficult?

이게 왜 어려울까요?

We need robots because we want them to be able to do tasks that we can't do

로봇이 필요한 이유는

우리가 할 수 없거나 하기 싫은 일을 로봇에게 시키기 위해서죠.

or we don't really want to do.

But I want you to keep in mind that these robots, they're coming.

하지만 이런 로봇의 등장을 믿어주시면 좋겠어요.

Just be patient.

참고 기다려주세요.

Because we want the robots,

우리는 로봇이 필요하지만 로봇에게도 우리가 필요합니다.

but robots also need us

to do the many things that robots still can't do.

로봇이 아직 할 수 없는 일들을 우리가 해내야 하기 때문이죠.

Thank you.

감사합니다.

(Applause)

(박수)