▲ 인공 신경망을 이용한 전자기 구동 시스템의 자성 마이크로로봇 제어 방법을 표현한 핵심 개념 도표 (상), 관심 영역 내에서 마이크로로봇을 목표 지역으로 제어하기 위해 전자기 구동 시스템의 코일 전류 제어 방식에 대해 강화 학습 에이전트의 학습 (하)(그림 및 설명=DGIST 최홍수 교수)  © 특허뉴스

복잡한 계산 없이도 의료용 마이크로로봇을 인체 내에서 정밀하게 제어할 수 있는 새로운 구동 방법이 개발됐다. 

한국연구재단은 최홍수 교수(대구경북과학기술원) 연구팀이 강화학습(Reinforcement Learning)을 기반으로 한 인공신경망(Artificial Neural Network)을 활용해 자성 마이크로로봇의 3차원 위치를 자동으로 정밀 제어할 수 있는 방법을 개발했다고 밝혔다. 

외부 전자기 구동시스템(Electromagnetic Actuation Systems)에서 생성되는 자기장과 자기력에 의해 무선 제어되는 자성 마이크로로봇은 이 특성을 이용, 인체 내 치료 인자를 전달하는 정밀 표적 치료에 활용될 수 있다. 

그러나 혈관, 종양 등과 같은 인체 내 동적인 환경에서 마이크로로봇을 목표 위치까지 구동시키기 위해서는 복잡한 모델링 또는 수학적 계산이 필요한데, 활용 목적에 따라 다양한 형상을 갖는 마이크로로봇 특성상 개별 로봇에 맞는 적절한 구동 체계를 각각 수립해야 해 많은 시간과 노력이 소모된다는 한계가 있었다. 

이에 연구팀은 복잡한 수학적/물리적 모델링 없이도 다양한 형태의 마이크로로봇을 제어할 수 있는 범용적인 방법을 고안, 마이크로로봇의 3차원 정밀 위치 제어법을 스스로 터득할 수 있는 강화학습 기반의 인공신경망을 개발했다.

개발된 인공신경망은 전자기 구동시스템에 전류를 직접 인가하는 방식으로 마이크로로봇을 구동, 그 결과를 직접 평가함으로써 마이크로로봇의 3차원 위치 제어법을 스스로 학습했다.

학습된 인공신경망을 활용한 결과, 마이크로로봇이 종래의 제어 방식을 사용한 경우보다 약 50% 빠른 속도로 목표 위치에 수렴했다. 또한, 기존의 제어 방식보다 약 40% 더 적은 위치 오차를 보였다.

▲ 강화학습법을 이용하여 마이크로로봇 내비게이션 실험에 사용된 3차원 중간대뇌동맥 (Middle cerebral artery, MCA) 팬텀 구조 (상), 3차원 프린팅된 팬텀 내에서 강화학습법을 이용한 목표지점까지의 마이크로로봇 내비게이션 실험 결과 (하)(그림 및 설명=DGIST 최홍수 교수)  © 특허뉴스

최홍수 교수는 “이번 연구를 통해 강화학습 기반의 인공신경망을 활용한 구동 방법이 종래의 제어 방식보다 마이크로로봇을 더 빠르고 정밀하게 제어할 수 있다는 것을 확인할 수 있었다”며, “적은 시간과 자원으로 다양한 형태의 마이크로로봇과 전자기 구동시스템에 적용될 수 있는 범용적인 구동 체계가 될 것으로 기대된다”고 밝혔다.

이번 연구 성과는 인공지능 분야 국제학술지 ‘네이처 머신 인텔리전스(Nature Machine Intelligence)’에 1월 11일 게재됐다. 

논문명은 Autonomous 3D positional control of magnetic microrobot using reinforcement learning 이다.