강화학습은 인공지능의 한 방법으로, 로봇이 학습을 통해 과제를 수행하는 방법을 익혀 스스로 상황을 판단하고 조작할 수 있게 해준다. 기존의 강화학습 연구는 주로 개별 로봇이 수행하는 작업에 집중해 왔으나, 일상적인 작업인 예를 들어 탁자 균형 잡기는 이동 시 부상을 방지하기 위해 두 사람이 협력해야 하는 경우가 많다. 본 연구에서는 인간과 협력하여 로봇이 탁자 균형 잡기 과제를 수행할 수 있도록 하는 딥 강화학습 기반 기법을 제안한다. 본 논문에서 제안하는 협동 로봇은 탁자를 균형 있게 맞추기 위해 인간의 행동을 인식한다. 이러한 인식은 로봇의 카메라를 이용해 탁자의 상태를 촬영한 다음, 이후 탁자 균형 잡기 동작을 수행함으로써 달성된다. 딥 Q-네트워크(Deep Q-network, DQN)는 협동 로봇에 적용되는 딥 강화학습 기술이다. 탁자 균형 잡기를 학습한 결과, DQN 기반 기법에 대해 최적 하이퍼파라미터를 적용한 훈련 20회에서 평균적으로 90%의 최적 정책 수렴률을 보였다. H/W 실험에서, 학습된 DQN 기반 로봇은 작업 정밀도 90%를 달성하였으며, 이는 우수한 성능을 검증한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.