국내 연구진이 인체 내에서 의료용 마이크로로봇을 정밀하게 제어하는 기술을 개발하는 데 성공했다.
한국연구재단은 12일 최홍수 디지스트(DGIST·대구경북과학기술원) 교수 연구팀이 강화 학습(인공지능(AI) 모델의 행동을 학습하는 방식, 주변 환경과의 상호작용에서 얻은 보상을 최대화해 최적의 전략을 찾는 방법) 기반의 인공신경망(두뇌의 정보처리 과정을 모방해 만든 알고리즘)을 활용해 자성 마이크로로봇의 3차원(3D) 위치를 자동으로 정밀 제어하는 방법을 개발했다고 발표했다.
외부 전자기 구동 시스템에서 생성되는 자기장·자기력에 의해 무선으로 제어되는 자성 마이크로로봇은 강화 학습을 기초로 인체 내에 치료 인자를 전달하는 정밀 표적 치료에 쓰일 수 있다.
하지만 혈관·종양 등과 같은 체내의 동적 환경에서 마이크로로봇을 목표 위치까지 이동하게 하려면 복잡한 모델링이나 수학적 계산이 필요하다.
게다가 활용 목적에 따라 다양한 형상으로 이뤄지는 마이크로로봇의 특성 때문에 개별 로봇에 적합한 구동 체계를 수립하는 데 많은 시간과 노력이 들 수밖에 없다.
이에 연구팀은 수학·물리적 모델링을 거치지 않아도 여러 형태의 마이크로로봇을 제어할 수 있는 범용적 방법을 고안했다.
이를 통해 마이크로로봇의 3D 정밀 위치 제어법을 스스로 터득할 수 있는 강화 학습 기반의 인공신경망을 개발했다.
해당 인공신경망은 전자기 구동 시스템에 전류를 직접 인가해 마이크로로봇을 구동하며, 그 결과를 직접 평가해 위치 제어법을 스스로 학습한다.
연구팀에 따르면 이 같은 인공신경망을 활용한 결과, 마이크로로봇이 종전의 제어 방식을 활용한 경우보다 약 50% 빠른 속도로 목표 위치에 수렴했다.
반면 위치 오차는 약 40% 줄었다.
최 교수는 “연구를 통해 강화 학습 기반의 인공신경망을 활용하는 구동 방법이 종래 제어 방식보다 마이크로로봇을 더 빠르고 정밀하게 제어할 수 있음을 확인할 수 있었다”며 “적은 시간과 자원으로 다양한 형태의 마이크로로봇과 전자기 구동 시스템에 적용할 수 있는 범용적인 구동 체계로 자리 잡을 것이라 기대한다”고 말했다.
한편 이번 연구 결과는 지난 11일 AI 분야의 국제 학술지인 ‘네이처 머신 인텔리전스’에도 게재됐다.