산업현장에서의 Physical AI: ACT vs ENG 경제성 비교 연구
Industrial Robot Control Economics
오픈소스 로봇 ALOHA mini로 산업 현장의 부품 조립 작업을 구현하고, 전통적 제어(ENG)와 AI 모방학습(ACT) 중 어떤 방식이 더 경제적인지 비교 연구하는 프로젝트입니다.
Overview
6기는 오픈소스 로봇 플랫폼 ALOHA mini를 활용하여 산업 현장의 부품 조립 작업을 구현합니다. ALOHA mini는 사람이 직접 로봇을 조작하며 시연한 동작을 데이터로 수집하고, 이를 학습하여 로봇이 스스로 작업을 수행하도록 만드는 시스템입니다. 핵심 연구 주제는 "어떤 로봇 제어 방식이 산업 현장에서 더 경제적인가?"입니다. ALOHA mini의 두 팔로 원형 핀, 사각 핀, 기어 조립 작업을 수행하며, 동작을 직접 프로그래밍하는 전통적 제어 방식(ENG)과 사람의 시연 데이터를 학습하는 AI 모방학습 방식(ACT)을 비교합니다. 두 방식의 초기 설정 시간, 반복 작업 성공률, 작업 소요시간, 부품 규격 변경에 따른 재설정 비용을 측정하고, 생산량에 따른 총시간과 비용을 분석하여 AI 로봇이 어떤 조건에서 경제적 경쟁력을 갖는지 검증합니다. 연구 결과는 학술 논문으로 발전시키고 있습니다.
주요 기능
ALOHA mini 부품 조립
사람이 직접 조작하며 시연한 동작을 데이터로 수집·학습해, 두 팔로 원형 핀·사각 핀·기어를 조립합니다.
전통적 제어 vs AI 모방학습
동작을 직접 프로그래밍하는 ENG 방식과 시연 데이터를 학습하는 ACT 방식을 같은 작업에서 비교합니다.
경제성 실증 분석
초기 설정 시간, 반복 작업 성공률, 작업 소요시간, 부품 규격 변경에 따른 재설정 비용을 측정하고 생산량에 따른 총시간과 비용을 분석합니다.
학술 논문
실험 결과를 바탕으로 AI 로봇의 경제적 경쟁력을 검증하는 학술 논문을 작성하고 있습니다.