(The ultra mobility vehicle (UMV) and its athletic repertoire. (A) Diagram of UMV, a bicycle-based robot with five actuated degrees of freedom [Links (green) and subcomponents (purple)]. It has steering and rear-wheel drive actuators for basic ground mobility. The design concentrates most of the robot's mass in the Head, which connects to the Bike through a spatial linkage. This linkage consists of the Neck and two tie rods. Powerful actuators in the Head work through the linkage to let the robot "throw" its mass around, enabling dynamic behaviors. Composite images of (B) a front flip, demonstrating high pitch angular momentum and modulation of inertia via body tucking, (C) rear-wheel hopping, where the robot maintains balance like a single-legged hopper, (D) an autonomous table jump sequence, where the robot accelerates, vaults onto a 1-meter platform, traverses it, and lands stably. Credit: Bokser, et al.)
오랜 시간 이족보행 로봇은 쉽지 않은 과제였습니다. 사람처럼 두 발로 서서 걷고 달릴 뿐 아니라 다양한 동작까지 가능한 것은 유연한 관절은 물론 뛰어난 자세 제어 능력이 아니면 불가능하기 때문입니다.
하지만 최근 빠른 기술 발전 덕분에 과거엔 상상하기 힘들았던 다양한 동작이 가능한 이족 보행 로봇들이 등장하고 있습니다. 로봇 공학자들은 단순히 인간의 동작을 모방하는 데서 그치지 않고 인간이 할 수 없는 동작까지 구현하려고 하고 있습니다.
로봇 및 인공지능 연구소(RAI)의 연구팀은 자전거에서 영감을 얻은 Ultra Mobility Vehicle (UMV)를 개발했습니다. 두 발로 걷는 로봇의 경우 아무래도 속도나 에너지 효율 면에서 단점이 있는데, 이를 극복할 대안으로 자전거에 주목한 것입니다.
인간은 자전거를 탄 상태에서도 좁은 공간이나 산악 지형을 통과할 수 있습니다. 여기에서 영감을 얻은 UMV 시스템은 기본적으로 일렬로 배열된 두 개의 바퀴, 조향 프레임, 그리고 후륜 구동 방식을 갖춘 로봇 자전거입니다. 따라서 모터가 후륜에만 동력을 전달하여 로봇을 구동하고, 앞바퀴는 조향 역할만 담당합니다.
연구팀에 따르먄 UMV의 주요한 차별점은 무거운 '머리' 부분을 '목'과 연결봉을 통해 자전거 프레임에 연결하는 동력식 공간 연결 장치입니다. 머리 부분을 자전거에 타는 사람이라고 생각하면 됩니다. 머리에는 로봇 질량의 대부분, 즉 배터리, 연산 장치, 액추에이터가 포함되어 있습니다. 이 액추에이터가 작동하면 로봇은 무게 중심을 활용하여 웅크렸다가 점프하거나 좌우로 움직여 균형을 잡을 수 있습니다.
(동영상)
얀구팀의 독창적인 설계는 궁극적으로 UMV 로봇에게 다족 로봇에 버금가는 민첩성을 제공하는 동시에 바퀴형 로봇의 단순성을 유지합니다. 특히, 이 로봇은 일반적인 4족 및 2족 로봇에 비해 구동 자유도 (DoF)가 5개에 불과합니다. 하지만 이렇게 단순한 구조에도 불구하고 넘어지지 않고 온갖 묘기가 가능합니다.
영상을 보면 상당히 놀라운데 이렇게 복잡한 동작이 가능한 비결 중 하나는 강화학습 기반의 인공지능입니다. 주행, 균형 유지, 앞바퀴 들기, 깡충깡충 뛰기, 점프, 뒤집기 등 UMV의 모든 동작은 시뮬레이션에서 완전히 훈련된 강화 학습 정책에 의해 제어되며, 사람에 의한 추가적인 조정 없이 실제 로봇에 그대로 적용됩니다. 일반 주행은 물론 묘기 같은 동작들은 사람이 프로그래밍 한 게 아니리 학습 알고리즘이 스스로 발견한 해결책입니다.
다시 한 번 AI가 엄청난 혁신이라는 점을 느끼게 만드는 대목이 아닐 수 없습니다.
참고
https://techxplore.com/news/2026-03-bicycle-robot-fast-obstacles.html
Benjamin Bokser et al, System Design of the Ultra Mobility Vehicle: A Driving, Balancing, and Jumping Bicycle Robot, arXiv (2026). DOI: 10.48550/arxiv.2602.22118
댓글
댓글 쓰기