사진으로 부품 살펴보기
자동으로 집는 것과 학습하는 것
그리퍼가 열리고 닫히는 모습만으로 AI가 학습했다고 판단할 수는 없습니다. 어떤 조건에서 닫도록 정했는지 살펴보는 것이 먼저입니다.
NIAID의 Using 3D Printing to Advance Science 영상에서 가져온 실제 장면입니다. 실험실의 검사판을 다루는 집게이며 종이컵용 손가락이나 힘 센서는 아닙니다.
Courtesy: National Institute of Allergy and Infectious Diseases · 원본 사진 · Public domain (미국 연방정부 저작물)
비율을 유지해 긴 변 최대 1200px로 축소(원본보다 확대하지 않음), JPEG 재압축 및 EXIF 제거. 추가 자르기·형태 변경 없음.
- 물체와 접촉하는 부분을 찾습니다.
- 닫기 전에 무엇을 확인해야 할지 생각합니다.
- 기계 외형과 판단 소프트웨어의 종류를 구분합니다.
두 조건을 모두 통과해야 집습니다
이 실습은 사람이 작성한 조건문입니다. 등록된 상자이고 0.6 m 이내일 때만 실행합니다.
- 대상 확인: 등록된 상자인지 봅니다.
- 거리 확인: 팔의 교육용 한계인 0.6 m 이내인지 봅니다.
- 예외 처리: 하나라도 아니면 멈추고 사람에게 넘깁니다.
실습을 처음 한다면, 이 순서대로 따라 해보세요
- 등록된 상자와 위치 0.3 m를 고릅니다.
화면에서 볼 것 자동 실행 1회와 도달 여유 0.3 m를 봅니다.
그 이유 두 조건이 모두 맞는 기준 상태입니다.
- 위치는 그대로 두고 처음 본 물체로 바꿉니다.
화면에서 볼 것 여유는 같지만 자동 실행이 0회가 됩니다.
그 이유 가깝다는 사실만으로 대상 조건을 대신하지 못합니다.
- 등록된 상자로 되돌리고 위치를 0.8 m로 옮깁니다.
화면에서 볼 것 도달 여유가 −0.2 m가 됩니다.
그 이유 이번에는 거리 조건이 실행을 막습니다.
한 단계씩 이해하기
원리 01
자동화는 약속을 실행하는 것부터 시작합니다
신호등은 정해진 순서대로 바뀌어도 편리합니다. 로봇도 정해진 위치의 상자를 반복해서 옮긴다면 간단한 규칙으로 일을 수행할 수 있습니다. 여기서 중요한 것은 방식의 화려함보다 작업 조건이 충분히 일정한가입니다.
학습은 사람이 모든 상황을 하나씩 적는 대신 사례에서 관계를 익히게 합니다. 그러나 학습했다고 처음 보는 모든 물체를 다룰 수 있는 것은 아닙니다. 자동 동작과 학습은 별개이며, 규칙과 학습을 한 시스템 안에서 함께 사용할 수도 있습니다.
원리 02
두 조건은 모두 맞아야 합니다
실습의 팔은 등록된 상자를 대상으로 하며, 물체 위치가 0.6 m 이내여야 합니다. 등록 여부만 맞거나 거리만 가까운 것으로는 부족합니다. 문을 열려면 열쇠와 올바른 비밀번호가 모두 필요한 상황과 비슷합니다.
위치가 0.3 m이면 도달 여유는 0.6 − 0.3 = 0.3 m입니다. 여유가 양수여도 처음 본 물체는 집지 않습니다. 도달 여유와 대상 확인을 따로 보면 무엇 때문에 멈췄는지 알 수 있습니다. 화면의 등록 여부는 실제 카메라 인식 결과가 아니라 사용자가 고른 입력입니다.
원리 03
멈추는 이유를 설명할 수 있어야 합니다
예외 상황에서 사람에게 넘기는 것은 작업 흐름의 일부입니다. 직원에게 어떤 물체인지, 어느 조건을 통과하지 못했는지 알려야 다시 시작하기 쉽습니다. 단순히 오류라고만 표시하면 같은 문제가 반복될 수 있습니다.
이 실습에서 확인하는 것은 규칙의 적용 범위입니다. 물체 크기, 손끝 마찰, 가려짐은 계산하지 않습니다. 등록된 상자를 집는다는 표시만으로 실제 파지 성공이나 안전성을 보장할 수는 없습니다. 현실에서는 인식과 물리 동작을 각각 시험해야 합니다.
숫자로 천천히 따라가기
상자는 익숙하지만 너무 멀다면
아래 숫자는 이 강의 실습의 교육용 예시입니다.
- 등록된 상자를 선택하면 첫 조건은 참입니다.
- 위치를 0.8 m로 두면 0.6 m 한계보다 0.2 m 멉니다.
- 두 조건 중 하나가 거짓이므로 자동 실행은 0회입니다.
- 작업물을 가까이 옮긴 뒤 다시 확인할 수 있습니다.
실패 원인을 분리하면 대상을 다시 등록할지, 배치를 바꿀지 판단할 수 있습니다.
이렇게 오해하기 쉬워요
흔한 생각 스스로 움직였으니 AI가 배웠다.
정해진 조건문을 실행한 자동화일 수 있습니다. 학습 데이터와 학습 과정은 별도로 확인합니다.
흔한 생각 멈추는 로봇은 무조건 나쁘다.
모르는 조건에서 멈추고 도움을 요청하는 동작도 설계된 기능입니다.
오늘 가져갈 세 문장
이것만은 기억해 주세요
- 입력, 조건, 행동을 순서대로 나눠 봅니다.
- 여러 필수 조건은 동시에 만족해야 합니다.
- 예외를 처리하는 방법까지 있어야 운영할 수 있습니다.
강의 설명과 적용
규칙 기반은 사람이 조건과 행동의 연결을 명시합니다. 물체가 정해진 위치에 있고 종류가 적다면 규칙을 확인하고 고치는 일이 쉬울 수 있습니다.
학습 기반은 사례나 보상으로 모델의 행동을 조정합니다. 사람이 일일이 쓰기 어려운 변동을 다룰 수 있지만 학습에 없는 조건에서 어떻게 실패하는지 평가해야 합니다.
두 방식을 섞을 수도 있습니다. 학습 모델이 물체를 인식하고 규칙이 작업 순서를 관리하며 전통 제어기가 모터를 움직이는 구조를 생각해 볼 수 있습니다.
방법의 이름보다 경계 조건을 기록하세요. 조명이나 물체 위치가 바뀔 때 규칙 수정과 데이터 추가 중 어느 비용이 필요한지, 실패 때 멈출 수 있는지 비교합니다.
3D 실습 과제
물체 위치 0.3 m에서 등록된 상자와 처음 본 물체를 각각 실행하세요. 이어 등록된 상자를 0.8 m에 놓고 규칙이 사람에게 넘기는 조건을 확인하세요.
등록된 물체와 0.6 m 이내 거리라는 규칙만 실행합니다. 학습 기반 인식과의 성능 비교나 실제 AI 추론은 하지 않습니다.
관련 3D 실험 열기확인 문제
두 종류 부품이 고정된 조명에서 정렬되어 나옵니다. 방법 선택의 근거는?
- 최신 모델이라는 이름
- 학습 데이터 양만
- 필요 성능·검증·유지 비용의 비교
풀이 보기
작업에 필요한 성능을 안정적으로 제공하는 방법을 고릅니다.
출처와 확인 범위
NVIDIA · 피지컬 AI의 범위
물리적 세계의 인식과 행동, 학습·평가 흐름을 참고했다. 제조사의 개념 소개이며 모든 로봇의 표준 구조를 뜻하지 않는다.
출처 확인일: 2026-10-14