복잡한 계산 없이도 의료용 마이크로로봇을

인체 내에서 정밀하게 제어할 수 있는 새로운 구동 방법이 개발됐습니다.

​

한국연구재단은 최홍수 교수(대구경북과학기술원) 연구팀이

강화학습(Reinforcement Learning)¹⁾을 기반으로 한 인공신경망(Artificial Neural Network)²⁾을 활용해

자성 마이크로로봇의 3차원 위치를 자동으로 정밀 제어할 수 있는 방법을 개발했다고 밝혔습니다.


 

외부 전자기 구동시스템(Electromagnetic Actuation Systems)³⁾에서 생성되는 자기장과 자기력에 의해 무선 제어되는 자성 마이크로로봇은 이 특성을 이용, 인체 내 치료 인자를 전달하는 정밀 표적 치료에 활용​될 수 있습니다.

​

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 있었습니다.

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

​

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 보였습니다.

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"라며, “적은 시간과 자원으로 다양한 형태의 마이크로로봇과 전자기 구동시스템에 적용될 수 있는 범용적인 구동 체계가 될 것으로 기대된다"라고 밝혔습니다.

1) 강화학습(Reinforcement Learning) : 인공지능 모델의 행동을 학습하는 방식으로, 행동에 따른 주변 환경과의 상호작용에서 오는 보상을 최대화하는 방법을 통해 최적의 전략을 찾는 방법

2) 인공신경망(Artificial Neural Network) : 두뇌의 정보 처리 과정을 모방해 만든 알고리즘

3) 전자기 구동시스템(Electromagnetic Actuation Systems) : 인체 외부에 배치된 다수의 전자기코일로 구성되어 있으며, 마이크로로봇의 구동을 위한 자기장과 자기력을 생성할 수 있는 시스템

​

​​[출처 : 한국연구재단 블로그]

​

출처 : 한국연구재단