예상치 못한 환경에 대비하는 계획 능력을 가진 에이전트 개발
This AI entrepreneur is developing agents that can plan ahead for the unexpected
MIT Technology Review AIAI 연구원 다니자르 하프너가 로봇이 미지의 환경에서도 스스로 계획을 세워 움직이는 차세대 에이전트를 개발하고 있습니다.
- 핵심은 '세계 모델(world model)' 기반 학습으로, 가상 시뮬레이션에서 미래를 예측하며 계획을 세워 실제 시행착오 과정을 뛰어넘었습니다.
- 이 기술은 로봇이 사람의 집처럼 복잡하고 예측 불가능한 인간 생활 공간에서도 안전하게 임무를 수행할 수 있게 하는 핵심 동력입니다.
- 이미 가상 환경에서 성과를 입증했으며, 현재는 이를 실제 물리적 세계에 적용하는 단계로 진입하며 상용화를 목표하고 있습니다.
AI 연구원 다니자르 하프너는 AI가 훈련 과정에서 접하지 못한 환경을 탐색할 수 있도록 하는 장기적인 목표를 가지고 있습니다. 그가 개발하는 로봇들은 이러한 작업의 물리적 구현체이며, 사람의 집과 같이 이전에 본 적 없는 복잡한 공간에서도 작동하려면 평면도와 가구 배치를 처리할 수 있는 능력이 필수적입니다.
하프너는 '모델 기반 (model-based reinforcement learning)'이라는 방식을 활용합니다. 그는 물리적 현실을 모방하도록 설계된 AI 모델인 '세계 모델(world models)'을 개발하고, 이 안에서 를 훈련시킵니다. 에이전트는 이 모델을 실제 세계의 시뮬레이션처럼 취급하며 행동하는 방법을 학습하고, 이를 통해 미래 결과에 대한 예측을 수행할 수 있습니다.
하프너의 기술은 로봇 공학에서 전통적으로 사용되던 실세계 시행착오 훈련 없이도 에이전트가 복잡한 작업을 실행할 수 있게 하는 특징이 있습니다. 그는 이 접근법으로 PlaNet, Dreamer 2(Atari 2600 게임), Dreamer 3(마인크래프트 다이아몬드 채굴) 등 다양한 가상 환경에서 성과를 입증했으며, Dreamer 4는 기록된 게임 플레이 영상 데이터셋만으로도 학습을 진행했습니다.
최근에는 이러한 에이전트를 가상 세계에서 물리적 현실로 옮기는 작업을 시작했습니다. DayDreamer 프로젝트에서는 Dreamer 알고리즘을 사용하여 로봇이 특정 훈련 없이도 새로운 환경에서 스스로 작동하고, 밀리는 것과 같은 새로운 경험에 반응하도록 했습니다. 하프너는 이 기술을 통해 세상을 바꿀 수 있는 문제 해결에 집중하고 있습니다.
용어 풀이
- 휴머노이드
- 팔·다리·몸통처럼 사람과 비슷한 몸 구조를 가진 로봇.
- 강화 학습
- 행동의 결과에 보상을 주면서 더 나은 행동을 익히게 하는 학습 방법.
- 에이전트
- 목표를 받으면 스스로 계획을 세우고 도구를 써서 여러 단계의 작업을 해내는 AI.