주제: 가상 공간, 인공지능, 그리고 유니티
강연자 : 오지현 - 유니티 / 에반젤리스트 팀장
발표분야 : 머신러닝, 인공지능, 메타버스
강연시간 : 2021.11.18(목) 15:00 ~ 15:50
강연 요약: 세상을 바꿀 인공지능과 이를 발전시킬 가상 공간(메타버스)에 대한 인사이트를 공유하고, 인공지능이 적용된 유니티 제품군을 소개한다.
"앞으로는 인공지능이 세상의 중심이 되고, 많은 것을 바꿀 것이다. 때문에 우리가 인공지능에게 지배를 당할 것인지, 인공지능을 지배할 것인지가 가장 큰 관건이 될 것이다."
유니티의 오지현 에반젤리스트 팀장이 본격적인 강의에 앞서 화두로 던진 이야기다.
3차 산업 혁명의 시발점이 된 컴퓨터는 지난 30년이 넘는 시간 동안 우리의 세상을 크게 바꾸어 놓았고, 다음 타자는 인공지능이다. 향후 30년 동안 변화의 중심에는 인공지능이 존재할 것이다. 사실 지금도 이 순간에도 인공지능은 자동차, 로봇, 모빌리티, 비전 컴퓨팅, 게임 등 여러 산업 분야에서 활용되고 있다.
오지현 팀장은 이번 강연을 통해 가상 공간과 인공지능의 무궁한 발전 가능성을 이야기하며, 그 안에서 유니티의 역할에 대해 강조했다. 더불어 인공지능 산업과 관련된 대표적인 제품군 4가지를 다양한 예시와 함께 소개하는 시간을 가졌다.
■ 메타버스와 인공지능 - 디지털 트랜스포메이션
최근 메타버스라는 단어가 유행처럼 번지면서 가상 공간에 대한 부정적인 시선이 많이 생겨났다. 예전부터 존재한 단어긴 하지만, 대중적으로 쓰이게 된 건 얼마 안 되다 보니 정의나 실체에 대해 설왕설래가 나온다. 게다가 우리나라에서는 제페토, 로블록스, 가상 부동산 투자, NFT 투자 등을 주로 다루다 보니 더욱 그렇다.
하지만, 오지현 팀장이 생각한 메타버스의 핵심 가치는 '디지털 트랜스포메이션'이다. 현실에서 일어나는 많은 일을 디지털 공간으로 옮겨가고, 디지털 공간에서 얻은 것들을 다시 현실에 도입해 가상과 현실이 서로 시너지를 일으킬 수 있도록 하는 것이 바로 메타버스라는 것이다.
이미 자동차, 제조, 건축 등 여러 산업에서 이 가상 공간을 활용하고 있다. 일례로 자동차 기업 닛산은 2019 CES에서 현실과 가상을 융합한 'I2V(Invisible-to-Visible)'를 공개한 바 있다. 오지현 팀장은 "메타버스는 일반적으로 생각하는 것보다 더 다양하고 광범위한 영역에서 더 넓은 의미로 쓰이고 있다"고 거듭 강조했다.
닛산의 'I2V' 커넥티드 카가 메타버스를 접목한 연구의 가까운 미래를 보여주고 있다면, 현재 시점을 대표하는 건 자율 주행이다. 10년 후에는 자율 주행이 상용화 될 것이라는 의견이 지배적이고, 실제 자율 주행을 연구하는 사람들에 따르면 알고리즘 자체는 굉장히 많이 발전된 상태다. 여기서 문제가 되는 건 트레이닝이다.
인공지능은 결국 여러 상황에 노출하고 학습시켜 똑똑하게 만드는 게 관건인데 이런 시행 착오를 현실에서 겪게 하면 시간과 비용이 너무 많이 들고, 위험도도 너무 높다. 때문에 가상 공간은 인공지능을 학습시킬 아주 좋은 도구다. 자율 주행을 연구하는 업체는 모두 가상 공간을 활용해 연구하고 있다.
자동차 관련 기업은 당연하고, 구글, 애플, 삼성, 마이크로소프트, LG 등 우리가 알고 있는 대기업은 다 자율 주행과 관련한 연구에 몰두하고 있다. 자율 주행에 깔리게 될 운영 체제와 플랫폼을 위해서다. 그들은 자율 주행을 킬러 콘텐츠로 만들고, 자신들의 플랫폼을 담는 것을 핵심 목표로 한다.
오지현 팀장은 "자율 주행을 비롯해 인공지능을 활용하는 다양한 플랫폼 안에는 유니티가 들어갈 것"이라며 "따라서 앞으로 인공지능이 발전할수록 유니티의 사용처는 많아질 것이고, 유니티를 사용하는 여러분의 일자리와 몸값은 늘어날 것이다. 나의 희망 사항이기도 하고, 실제로 이렇게 될 것이라 예측한다"고 목소리를 높였다.
이어 인공지능 산업에서 쓸 수 있는 대표적인 유니티 제품군 4가지 ▲시뮬레이션 및 시스템 그래프 ▲로보틱스 패키지 ▲퍼셉션 ▲머신러닝 에이전트에 대한 소개를 시작했다.
■ 자율 주행과 로봇 공학, 그리고 영상 인식 - 시뮬레이션, 로보틱스 패키지, 퍼셉션
유니티 시뮬레이션과 시스템 그래프는 유니티 안에서 인공지능을 시뮬레이션 하고 테스트할 수 있도록 도와주는 제품이다. 자율 주행은 자동차 뿐만 아니라 로봇 청소기, 로봇 배송, 보행 로봇 등 움직이는 모든 것에 해당한다. 때문에 굉장히 많은 상황들에 맞닥뜨리게 되는데, 이를 만약 하나의 PC에서만 테스트하게 되면 한계가 있다. 그래서 유니티는 이런 시뮬레이션을 클라우드 시스템 안에서 할 수 있도록 제공하고 있다.
자율 주행에서 중요한 또다른 요소는 센서다. 대표적으로 카메라, 레이더, 라이다가 있다. 카메라는 우리가 알고 있는 일반적인 카메라다. 역사가 깊기 때문에 퀄리티도 높고, 가격도 저렴하다. 모든 자동차는 기본적으로 카메라를 탑재하고 있다. 하지만, 빛에 관한 여러 제약이 있다. 많이 사용되는 또다른 센서로는 전파를 활용하는 레이더가 있는데, 역시 기후에 민감하다는 약점이 존재한다.
그래서 요즘 자동차 업계에서 화두가 되고 있는 센서는 라이다다. 라이다는 레이더와 같은 컨셉인데, 전파 대신 레이저를 쏜다. 사방으로 레이저를 쏴서 거리를 체크한다. 카메라는 2D 이미지이기 때문에 직관적인 깊이 데이터가 없지만, 라이다는 그렇지 않다. 반대로 라이다의 단점은 비싸고, 시끄럽고, 외관이 굉장히 투박하다는 거다.
하지만, 오지현 팀장은 이런 단점은 시간이 해결해줄 것으로 봤다. 또한, 라이다는 자동차 뿐만 아니라 드론이나 로봇 청소기, 산업용 로봇 등에서 적극적으로 활용을 하고 있다. 그렇다 보니 여러 라이다 제조 업체에서도 유니티의 가상 환경에서 테스트 할 수 있는 가상 데이터 세트를 제공하고 있다.
시스템 그래프는 로드 그래프 방식으로 시스템을 제어하고 테스트 할 수 있는 패키지다. 또한, 기본 센스가 통합된 환경을 제공하기 때문에 유니티에 익숙하지 않거나 잘 몰라도 쉽게 적용할 수 있다.
자율 주행 뿐만 아니라 로봇 공학도 인공지능 연구가 활발히 일어나고 있는 분야다. 유니티 로보틱스 패키지는 말그대로 로보틱스를 연구하고, 테스트할 수 있는 패키지다. 로봇 자동화는 이미 많은 곳에서 쓰이고 있지만, 정해진 대로 움직이다 보니 한계가 있었다. 예를 들어, 로봇 하나가 꼬이면 생산 벨트 전체가 멈추게 된다. 그래서 스스로 판단하고, 스스로 움직이는 로봇이 주목을 받고 있다.
또한, 로봇 자동화 이후에도 작고 정밀한 움직임이 필요한 후반 작업은 발생하는 환경이나 변수에 로봇이 대처하기가 힘들어 사람이 직접 할 수밖에 없었다. 오지현 팀장은 이 또한 시간이 지날수록 인공지능을 통해 대체될 것으로 봤다. 이때 많이 사용하는 게 되는 것이 ROS(로봇 운영체제)다.
로보틱스 패키지의 핵심은 ROS와 유니티가 통신할 수 있는 환경이 만들어졌다는 거다. 예전에는 실제 로봇을 탑재해 연구했다면, 이제는 유니티로 옮겨와 가상 공간에서 연구 개발을 할 수 있다. 로보틱스는 같은 인공지능 분야인 자율 주행에 비해 아직까지는 더 많은 연구가 이루어져야 하는 단계다. 그럼에도 현대 기술이 워낙 빠르게 발전하고 있어 긍정적이고, 유니티는 그 발전에 기여하고 있다는 게 오지현 팀장의 생각이었다.
유니티는 영상 인식에도 활용될 수 있다. 영상 인식은 이미지나 동영상을 통해 촬영된 게 무엇인지 구별하는 것으로, 역시 머신러닝 기반이라 많은 학습이 필요하기 때문에 가상 공간을 통해 가상의 데이터를 만들어서 입력하는 방식을 활용할 수 있다. 그것이 바로 유니티 퍼셉션이다.
■ 머신러닝 에이전트 - 게임 개발자를 위한 제품군
마지막으로 게임과 가장 밀접한 제품군, 머신러닝 에이전트가 등장했다. 머신러닝 에이전트는 머신러닝의 에이전트들을 유니티 안에서 개발하고 테스트 할 수 있는 환경으로, 가장 기본이 되는 것은 강화학습이다. 강화학습은 쉽게 말해 강아지의 배변 훈련을 떠올리면 된다. 배변 패드를 잘 사용하면 보상을, 그렇지 못 할 때에는 부정적인 신호를 주고, 이를 반복해 배변 패드를 사용할 수 있게 학습시키는 거다.
이런 행위는 기계에도 똑같이 적용된다. 어떤 상황을 만들어 놓고 제멋대로 행동하게 두면, 보상과 벌점을 반복해 받으면서 스스로 학습을 한다. 예전에는 게임 안의 NPC나 몬스터를 설정할 때 모든 룰을 일일이 코딩으로 만들었다면, 이제는 인공지능과 머신 러닝을 통해 학습하고 판단해서 스스로 액션을 취할 수 있게 하는 거다.
유니티 머신러닝 에이전트는 파이토치나 텐서플로 같은 기존의 머신 러닝 라이브러리와 연동할 수 있는 환경을 만들었고, 인공지능을 잘 모르는 개발자도 쓸 수 있도록 여러 알고리즘과 커리큘럼을 제공한다.
오지현 팀장은 다양한 데모를 통해 유니티의 머신러닝 에이전트를 실제로 어떻게 적용할 수 있는지 선보였다. 첫 번째로는 네모난 상자 위에서 공을 떨어트리지 않고 버티게 만드는 작업이었다. 센서가 통제할 수 있는 상황은 공이 떨어지는 각도, 위치, 속도 단 세 가지 뿐이었는데, 공을 떨어트리면 벌점을 주고, 안 떨어트리고 버티면 계속 보상을 주는 과정을 반복해 원하는 결과를 만들어냈다.
지렁이가 목표 위치로 기어가게 하거나, 팔과 다리를 붙여주고 이족 보행을 통해 목표한 위치로 걸어가게 하는 데모도 있었다. 여기서 한 단계 발전한 것이 사족 보행으로 움직이는 작업이었다. 오지현 팀장이 선보인 데모에서는 나뭇가지를 던지면 강아지가 해당 위치로 뛰어가 나뭇가지를 물고 돌아온다.
조금 더 게임적인 느낌이 나는 데모로는, 여러 머신들이 협업해 목표를 물리치고 획득한 열쇠로 문을 열고 탈출하는 것이 있었다. 이같은 알고리즘으로는 게임 내 몬스터나 보조 캐릭터들을 더 똑똑하게 만들 수 있다.
최근 머신러닝 에이전트가 가장 많이 활용되고 있는 장르 중 하나는 매치3 퍼즐류 게임이다. 인공지능을 통해 수백 개에 달하는 레벨을 빠르고 정확하게 테스트할 수 있기 때문이다. 선데이토즈를 비롯한 여러 게임 회사가 이미 인공지능을 도입했거나, 도입을 연구 중이다.
마지막으로 앞서도 언급됐던 자율 주행의 간략한 버전도 머신러닝 에이전트를 통해 구현할 수 있었다. 바로 레이싱 게임이다. 카트를 타고 정해진 코스를 주행하는 작업인데, 사방으로 레이저를 쏘는 라이다 센서의 개념을 적용해서 벽에 부딪히지 않고 최단 거리로 해당 코스를 완주하도록 한다.
Arra@inven.co.kr
페이지 구독하기
다른 기사 보기
기사 제보하기
