VLA 모델이란? 로봇이 보고 듣고 움직이는 방식 이해하기

목차

• VLA 모델은 어떤 정보를 활용하나
• VLA 모델은 어떻게 학습하나
• 실제 환경에서는 학습할 때와 다른 상황을 만날 수 있다
• VLA 모델의 결과를 실제 로봇에서 확인하는 과정
• VLA 모델과 로봇 하드웨어의 관계
• 로봇과 본시스템즈의 구동 기술
• VLA 모델이 로봇 개발에 가져오는 변화
• FAQ
• 참고자료

로봇이 다양한 작업을 수행하려면 주변 상황을 확인하고, 어떤 작업을 해야 하는지 이해한 뒤 실제 움직임으로 이어갈 수 있어야 합니다. 최근 로봇 인공지능 분야에서는 이러한 과정을 하나로 연결하기 위한 방법으로 VLA 모델이 활용되고 있습니다.

VLA는 Vision-Language-Action의 약자로, 시각 정보와 언어 지시를 바탕으로 로봇이 수행할 행동을 만들어 내는 학습 모델을 의미합니다. 예를 들어 로봇이 주변의 물체를 확인하고 사람이 요청한 작업을 이해한 뒤, 물체를 잡거나 옮기는 데 필요한 행동으로 연결하는 방식입니다.

VLA 모델을 실제 로봇에 적용하려면 모델 자체뿐 아니라 학습에 사용하는 데이터와 로봇의 구조도 함께 고려해야 합니다. 모델이 어떤 행동을 결정하더라도 마지막에는 로봇의 관절이 실제로 움직여야 하기 때문입니다.

이 글에서는 VLA 모델의 기본 개념부터 학습에 필요한 데이터, 실제 로봇의 움직임으로 연결되는 과정까지 살펴봅니다.

VLA 모델은 어떤 정보를 활용하나

VLA 모델이라는 이름에는 모델이 다루는 세 가지 요소가 담겨 있습니다. Vision은 로봇이 주변 환경을 확인하기 위한 시각 정보, Language는 수행해야 할 작업을 알려주는 언어 정보, Action은 이를 바탕으로 만들어지는 로봇의 행동을 의미합니다.

예를 들어 로봇 앞에 여러 물체가 놓여 있고 사람이 특정 물체를 옮기도록 지시했다고 생각해 볼 수 있습니다. 로봇은 카메라 등으로 주변 상황을 확인하고 어떤 물체를 대상으로 작업해야 하는지 파악한 뒤 필요한 행동을 결정해야 합니다.

이 과정에서 언어 지시는 로봇이 무엇을 해야 하는지를 알려주는 역할을 합니다. 같은 공간을 보고 있더라도 물체를 가져와야 하는지, 다른 위치로 옮겨야 하는지에 따라 필요한 행동이 달라질 수 있기 때문입니다.

시각 정보도 중요한 역할을 합니다. 같은 물체라도 위치나 방향이 달라질 수 있고 주변에 다른 물건이 놓여 있을 수도 있습니다. 따라서 VLA 모델은 작업에 필요한 정보와 현재 상황을 함께 활용해 행동을 결정하는 방향으로 개발되고 있습니다.

여기서 말하는 행동은 로봇이 실제로 움직이는 데 필요한 정보와 연결됩니다. 구체적으로 어떤 형태의 값을 사용하고 어떻게 제어기에 전달하는지는 VLA 모델과 로봇 시스템의 구성에 따라 달라질 수 있습니다.

따라서 VLA 모델을 하나의 정해진 구조로 이해하기보다 시각과 언어 정보를 로봇의 행동으로 연결하는 학습 방식이라는 관점에서 살펴보는 것이 좋습니다.

VLA 모델은 어떻게 학습하나

VLA 모델을 학습하려면 로봇이 어떤 상황에서 어떤 작업을 수행했는지 보여주는 데이터가 필요합니다. 주변 환경에 대한 정보와 작업 내용, 실제로 수행한 행동을 함께 활용하는 방식입니다.

예를 들어 로봇이 컵을 특정 위치로 옮기는 작업을 학습한다면 컵과 주변 환경의 모습, 수행해야 할 작업에 대한 정보, 로봇이 컵에 접근하고 이동시키는 과정 등이 학습 데이터와 연결될 수 있습니다.

중요한 것은 하나의 상황만 학습하는 것이 아닙니다. 실제 환경에서는 컵이 놓인 위치가 달라질 수 있고 주변 물체의 배치도 바뀔 수 있습니다. 같은 작업이라도 시작할 때의 조건이 달라질 수 있기 때문에 여러 상황에서 데이터를 확보하는 과정이 필요합니다.

사람이 로봇을 조작하면서 작업 과정을 기록하는 방법도 로봇 학습 데이터 수집에 활용될 수 있습니다. 사람이 직접 물체를 옮기는 작업을 보여주고, 그 과정에서 발생한 정보를 학습 데이터로 사용하는 방식입니다.

수집한 데이터를 정리하는 과정도 중요합니다. 어떤 작업을 수행한 기록인지, 어떤 환경에서 수집한 것인지 구분되어 있어야 학습 결과가 기대와 다르게 나타났을 때 사용한 데이터를 다시 확인할 수 있습니다.

VLA 모델 역시 한 번 데이터를 모으고 학습하는 것으로 모든 작업이 완성된다고 보기 어렵습니다. 실제 로봇에서 동작을 확인하고, 원하는 작업이 이루어지지 않는 상황이 있다면 해당 조건을 다시 확인하고 필요한 데이터를 보완할 수 있습니다.

실제 환경에서는 학습할 때와 다른 상황을 만날 수 있다

로봇이 실제 작업 공간에서 마주하는 환경은 학습 데이터를 수집했던 상황과 항상 같지는 않습니다.

물체의 위치가 달라질 수 있고 주변에 새로운 물건이 놓일 수도 있습니다. 조명이나 로봇의 시작 위치가 달라지는 경우도 생각할 수 있습니다. 사람이 함께 작업하는 환경이라면 로봇 주변의 상황도 계속 변할 수 있습니다.

따라서 VLA 모델을 실제 로봇에 적용할 때는 학습한 작업을 수행할 수 있는지만 보는 것이 아니라 조건이 달라졌을 때 어떤 결과가 나타나는지도 함께 확인해야 합니다.

예를 들어 같은 물체를 조금 다른 위치에 놓거나 주변 물체의 배치를 변경해 볼 수 있습니다. 이렇게 조건을 바꿨을 때 작업을 수행하기 어려워지는 부분이 확인된다면 해당 상황을 추가 학습이나 데이터 수집에서 다룰 수 있습니다.

여러 단계가 이어지는 작업에서는 앞선 움직임의 결과도 다음 행동에 영향을 줄 수 있습니다. 물체에 접근하는 위치가 달라지면 이후 물체를 잡거나 이동시키는 과정도 처음 학습한 상황과 달라질 수 있기 때문입니다.

이 때문에 VLA 모델을 활용한 로봇 개발에서도 데이터를 수집하고 학습한 뒤 실제 동작을 확인하는 과정이 반복될 수 있습니다. 실제 로봇에서 확인된 결과를 바탕으로 부족한 조건을 찾아 다시 데이터에 반영하는 방식입니다.

VLA 모델의 결과를 실제 로봇에서 확인하는 과정

학습 결과를 확인할 때는 실제 로봇이 목표로 한 작업을 수행할 수 있는지를 함께 살펴봐야 합니다.

예를 들어 특정 물체를 다른 위치로 옮기는 작업이라면 로봇이 대상 물체를 확인하고 접근한 뒤 물체를 이동시켜 원하는 위치에 놓는 과정까지 확인해야 합니다.

같은 작업을 여러 번 수행하는 과정도 필요할 수 있습니다. 한 번의 결과만으로 판단하기보다 물체 위치나 로봇의 시작 상태가 조금씩 달라졌을 때도 작업이 어떻게 이루어지는지 살펴볼 수 있기 때문입니다.

작업이 중간에 멈추거나 원하는 결과가 나오지 않았다면 어느 단계에서 차이가 발생했는지를 확인합니다. 대상을 확인하는 과정인지, 물체에 접근하는 단계인지, 실제로 물체를 움직이는 과정인지를 구분하면 추가로 살펴봐야 할 부분도 구체화할 수 있습니다.

이 과정에서 소프트웨어뿐 아니라 로봇의 실제 구조도 함께 확인해야 합니다. 모델이 행동을 결정하더라도 관절의 동작 범위나 주변 구조, 설치된 구동부의 조건에 따라 실제 움직임은 달라질 수 있기 때문입니다.

VLA 모델과 로봇 하드웨어의 관계

모델이 결정한 행동은 최종적으로 로봇의 실제 움직임으로 나타납니다. 물체를 집으라는 행동이 결정되면 로봇의 어깨와 팔꿈치, 손목과 같은 여러 관절이 움직여 해당 작업을 수행해야 합니다.

따라서 VLA 모델을 적용하는 로봇에서는 소프트웨어와 함께 관절 구동부의 조건도 중요합니다.

먼저 관절마다 필요한 움직임과 하중을 살펴봐야 합니다. 팔을 뻗어 물체를 잡는 관절과 몸체를 지지하거나 자세를 바꾸는 관절은 수행하는 역할이 다르기 때문에 필요한 구동 조건도 달라질 수 있습니다.

설치 공간도 중요한 부분입니다. 휴머노이드나 다관절 로봇은 여러 관절을 한정된 공간에 배치해야 하므로 감속기와 액추에이터가 차지하는 크기를 주변 링크와 배선까지 포함해 확인해야 합니다.

특히 VLA 모델을 활용하는 로봇은 카메라와 센서, 제어 장치 등 다양한 구성 요소를 함께 사용합니다. 이에 따라 관절 주변으로 연결되는 전원선과 신호선 등 배선이 지나갈 공간도 기구 설계와 함께 살펴볼 필요가 있습니다.

중공 구조가 적용된 감속기나 액추에이터에서는 중심부의 공간을 배선 경로로 활용하는 방법도 검토할 수 있습니다. 여러 관절을 따라 케이블이 이어지는 로봇에서는 구동부와 배선 구조를 함께 설계하는 것이 중요하기 때문입니다.

결국 VLA 모델이 실제 로봇에 적용되기 위해서는 모델이 어떤 행동을 만들어 내는지만큼 그 행동을 수행할 로봇의 관절 구조와 구동부를 함께 살펴봐야 합니다.

로봇과 본시스템즈의 구동 기술

VLA 모델은 로봇이 주변 환경과 작업 지시를 바탕으로 필요한 행동을 결정하는 데 활용됩니다. 이렇게 결정된 행동은 로봇의 여러 관절 움직임을 통해 실제 작업으로 이어집니다.

본시스템즈는 로봇 관절에 적용할 수 있는 사이클로이드 감속기 BSR과 BCSA 액추에이터를 개발하고 있습니다. 

VLA 모델이 적용되는 휴머노이드나 로봇 팔에서는 하나의 작업을 수행하는 동안 여러 관절이 연속해서 움직일 수 있습니다. 따라서 구동부를 선정할 때도 모델 자체보다 실제 작업에서 각 관절이 어떤 움직임을 수행하는지와 필요한 하중, 설치 공간을 함께 확인해야 합니다.

BCSA는 얇고 컴팩트한 구조로 설계되어 여러 관절을 제한된 공간에 배치해야 하는 로봇에서 구동부 구성을 검토할 때 활용할 수 있습니다. 어깨와 팔꿈치, 손목처럼 여러 관절이 가까운 위치에 배치되는 구조에서는 액추에이터가 차지하는 공간과 주변 링크의 위치를 함께 살펴볼 수 있습니다.

중공 구조가 적용된 제품에서는 중심부 공간을 배선 경로로 활용하는 방법도 검토할 수 있습니다. VLA 모델을 사용하는 로봇 역시 카메라와 센서, 각 관절을 연결하는 여러 배선이 필요할 수 있으므로 제한된 관절 공간에서 케이블 경로를 구성하는 것도 중요한 설계 요소입니다.

본시스템즈의 액추에이터에는 Pinless 구조가 적용되어 있습니다. Pinless 구조는 기존 핀 구성에서 필요했던 일부 결합 요소를 줄여 감속기 내부 구조를 보다 단순하게 구성한 것이 특징입니다. 이를 통해 사이클로이드 제품의 조립 편의성을 높이고 제품 생산과 양산 대응을 고려한 구조로 활용할 수 있습니다.

VLA 모델이 적용된 로봇이라고 해서 별도의 감속기나 액추에이터 사양이 정해지는 것은 아닙니다. 실제로 수행하는 작업과 관절별 동작, 하중, 설치 공간 등을 먼저 정리하고 이를 각 BSR과 BCSA 모델의 제품 사양과 비교해 적합한 구동부를 검토해야 합니다.

VLA 모델이 로봇 개발에 가져오는 변화

VLA 모델의 중요한 특징은 사람이 로봇에게 원하는 작업을 전달하는 방식과 로봇이 주변 환경을 활용하는 방법을 학습 기반으로 연결한다는 데 있습니다.

기존에도 로봇은 카메라와 센서를 이용해 주변을 확인하고 정해진 작업을 수행해 왔습니다. VLA 모델에서는 시각 정보와 언어 정보, 로봇 행동을 함께 학습하면서 다양한 작업에 적용하려는 연구가 이루어지고 있습니다.

이러한 접근이 발전하면 새로운 작업을 로봇에 적용하는 과정에서도 데이터의 역할이 더욱 중요해질 수 있습니다. 어떤 환경에서 어떤 작업을 수행했는지에 대한 기록이 로봇의 학습과 이후 평가에 활용되기 때문입니다.

VLA 모델을 이해할 때는 인공지능 모델만 살펴보기보다 시각과 언어 정보를 어떻게 행동으로 연결하는지, 어떤 데이터로 학습하는지, 그리고 그 행동이 실제 로봇에서 어떻게 구현되는지를 함께 보는 것도 중요합니다.

VLA 모델은 소프트웨어와 로봇 하드웨어가 연결되는 지점을 보여주는 기술 가운데 하나입니다. 앞으로 적용되는 작업과 로봇의 형태가 다양해질수록 학습 모델뿐 아니라 실제 움직임을 담당하는 관절과 구동부를 함께 설계하는 관점도 중요해질 것입니다.

FAQ

참고자료

1. 한국로봇산업진흥원(KIRIA) – https://www.kiria.org

2. 한국기계연구원 – https://www.kimm.re.kr

3. 본시스템즈 공식 홈페이지 – https://www.bonsystems.co.kr

태그: VLA모델, 로봇공학, 액추에이터, 감속기, 휴머노이드