브레멘대학교 인공지능연구소 연구진은 로봇 동작을 실행하기 전에 시험하고, 거절되면 원인을 진단한 뒤 한 번 보정하는 폐루프 틀을 제안했다. 이 논문은 2026년 7월 16일 공개된 arXiv 프리프린트이며, Joint Probability Tree(JPT)에 Marginal-Deterministic Variable Tree(MdVtree)에서 유도한 Causal Circuit을 결합한다. 연구진이 겨냥한 문제는 로봇 행동의 안전 시험 비용이다. 실패 때마다 후보를 무작정 다시 뽑는 방식은 비효율적이고, 다음 시도에서 무엇을 고쳐야 하는지도 알려주지 못한다.
제안 틀은 성공 실행으로 학습한 JPT를 바탕으로 인과 추론이 가능한 회로를 구성하고, 배포 전에 support determinism verification으로 모든 interventional query의 계산 가능성을 확인한다. 추가 재학습이나 데이터 수집 없이 개입 분포를 계산하며, 학습 지지 밖(out-of-support) 후보는 보정 대상에서 제외한다. 실패가 발생하면 각 원인 변수에 대한 do 개입 하의 성공확률을 계산해 관측값이 가장 덜 그럴듯한 변수를 주원인으로 잡는다. 이어 해당 변수의 권장 보정 구간을 제시하고 다음 시도에 한 번만 적용한다.
실험은 ROS2 시뮬레이션의 우유 픽앤플레이스 과제에서 수행됐다. PR2 로봇이 부엌 카운터의 우유를 집어 식탁에 놓는 설정이며, 행동 벡터는 접근 위치 4개 차원과 팔 선택 1개로 이뤄진 5개 변수다. 학습에는 열린 환경의 성공 실행 1,742개를 썼고, 다른 환경에는 좌표 재매핑만 적용했다. 고품질 JPT 조건의 5,000회 반복에서 두 방식 모두 성공 계획 5,000개를 기록했지만, JPT+Causal은 총 실패 시도를 97회에서 87회로, 평균 복구 시간을 24.0초에서 14.1초로 줄였다. 저품질 조건에서는 성공 계획이 4,997개에서 5,000개로 늘었고, 총 실패 시도는 4,280회에서 2,674회로 감소했다.
| 조건 | JPT | JPT+Causal |
|---|---|---|
| 고품질 JPT | 실패 시도 97회 복구 24.0초 |
실패 시도 87회 복구 14.1초 |
| 저품질 JPT | 성공 4,997/5,000 실패 시도 4,280회 |
성공 5,000/5,000 실패 시도 2,674회 |
자료: STORIUM 정리
검증 범위는 단일 픽앤플레이스 시뮬레이션과 위치 매개변수에 한정된다. 복잡한 조작 과제, 그리퍼 힘, 물체 무게, 접촉 역학은 시험하지 않았고 실제 로봇 검증도 남아 있다. 보고된 감소율은 이 실험 조건의 결과이며 물리 환경의 안전 성능으로 확대해 해석할 수 없다.
저작권자 © STORIUM 무단전재 및 재배포 금지
