서울공대 전기정보공학부 오성회 교수팀, 로봇 스스로 테이블 정리하는 AI 기술 개발

서울공대 전기정보공학부 오성회 교수팀, 로봇 스스로 테이블 정리하는 AI 기술 개발 - 세계적 권위의 로봇 분야 학술지 IEEE RA-L 논문 게재 - RGB-D 카메라 한 대로 물체 식별하는 정리정돈 AI 알고리즘 제시 - 시뮬레이션·실제 실험서 성능 입증해 로봇 제어 분야 상용화 기대돼▲ (왼쪽부터)서울대학교 전기정보공학부 오성회 교수, POSTECH 전자전기공학과 안혜민 교수, 서울대학교 전기정보공학부 기호건 연구원, 오우석 연구원, 강민재 연구원 서울대학교 공과대학은 전기정보공학부 오성회 교수 연구팀이 로봇 스스로 테이블 위 물체들을 식별하고 효율적으로 정돈하는 인공지능(AI) 기술을 개발했다고 밝혔다. 연구진은 RGB-D 카메라 한 대만으로 물체를 분별하고, 정리정돈 점수(Tidiness Score)에 기반한 최적의 로봇 행동 시퀀스를 찾아 자동으로 정돈하는 알고리즘인 ‘TSMCTS(Tidiness Score-Guided Monte Carlo Tree Search)’를 제안함으로써 기존 연구의 한계를 극복한 새로운 방식의 테이블 정리정돈 AI 기술을 선보였다. 이번 연구 결과는 미국 전기전자학회(IEEE) 산하 로봇·자동화 학회(RAS)가 발간하는 국제 학술지 ‘IEEE Robotics and Automation Letters (RA-L)’(IF=5.3)에 지난 8월 11일 게재됐다. IEEE RA-L은 SCIE(SCI-Expanded) 등재 저널로, 세계적 권위의 로봇 분야 학술지 중 하나로 꼽힌다.■ 연구 배경이미 우리 생활 곳곳에서 AI 상용화가 이뤄지고 있지만, 아직 AI 기반 테이블 정돈 기술은 가정이나 사무실에서 실제로 쓰이지 못하고 있다. 여러 제약으로 인해 관련 연구의 발전이 더뎠기 때문인데, 그 중요한 이유 중 하나가 정돈의 객관적 평가 기준으로 활용할 표준 벤치마크가 없다는 점이다. 기존 연구들이 공유하는 평가 기준의 부재가 각 방법론 간의 객관적 비교를 어렵게 만든 결과, 해당 기술 연구의 발전이 지체된 것이다. 또한 이전에 많이 연구됐던 ‘목표 이미지’ 기반 정돈 기술은 로봇이 물건을 공간과 상황에 따라 어떻게 놓아야 하는가에 집중하기보다는, 사전에 목표로 주어진 이미지에 맞춰 물건을 배치하는 데 중점을 뒀다. 그래서 로봇에게 언제 어디서건 ‘알아서 깨끗이 치우는’ 능력을 학습시키기에는 역부족이었다. 서비스 로봇이 실제 가정·사무 환경에서 보편화되려면 사용자가 별도의 명령이나 가이드라인을 주지 않더라도 자율적으로 물건을 정돈할 능력이 필수적이므로, 기존 기술의 한계를 돌파할 연구가 필요한 실정이었다. ■ 연구 과정사람마다 물건 정리 방식이 다르고, 정돈되었다고 판단하는 기준도 다르기에 AI에게 정리정돈은 학습이 어려운 주관적 개념이다. 그러나 ‘깔끔하다’라는 개념을 AI가 학습할 수 있다면, 스스로 알아서 정돈하는 AI 기술 개발도 가능하리라는 오성회 교수팀의 아이디어에서 이번 연구가 출발했다. 연구팀은 먼저 로봇이 ‘깔끔함’을 이해할 수 있도록, 이미지만 본 후 해당 장면의 정돈 정도를 점수화하는 모델 ‘정리정돈 점수 판별기(Tidiness Discriminator)’를 학습시키기로 했다. 이를 위해 카페 테이블, 사무실 책상, 식탁, 욕실 공간 등 4곳의 환경과 170종 물체를 활용하여 구축한 224,225장의 장면 데이터, 즉 ‘책상 정리정돈 데이터셋(Tabletop Tidying Up Dataset, TTU 데이터셋)’을 만들었다. 이 데이터셋으로 점수 판별기를 학습한 로봇은 목표 이미지 없이도 책상의 정돈 상태를 수치로 평가할 수 있게 됐다. 다음 순서로 연구진은 오프라인 강화학습(Offline Reinforcement Learning)*과 몬테카를로 트리 탐색(MCTS)**을 결합시켜 다양한 정리정돈 전략을 탐색하고 실행하는 ‘MCTS 기반 계획기(Monte Carlo Tree Search Planner)’를 개발했다. 그리고 이에 기반해 로봇이 스스로 효율적인 정리 계획을 세워 실행할 수 있는 ‘TSMCTS(Tidiness Score-Guided Monte Carlo Tree Search)’ 알고리즘을 완성하는 성과를 거뒀다. * 오프라인 강화학습 : 로봇이 직접 경험하지 않고, 저장된 로봇 데이터만으로 학습하는 강화학습 방식** MCTS (Monte Carlo Tree Search): 체스·바둑 AI에 쓰이는 방법으로, 가능한 수를 시뮬레이션해 가장 좋은 결과를 선택하는 탐색 기법  ▲ 그림1. TSMCTS 기법을 사용해 로봇이 다양한 상황에서 정리정돈을 수행한 결과■ 연구 성과연구진은 시뮬레이션상에서 실제 환경과 동일하게 TSMCTS 알고리즘이 탑재된 로봇을 구현해 정리정돈 실험을 진행한 결과, 5곳 환경에서의 총 750개 시나리오에서 평균 성공률 88.5%, 평균 Tidiness Score* 0.901점을 달성했다. 또한 카페 테이블, 사무실 책상, 식탁, 욕실 공간 등 4곳의 환경에서 진행한 실제 로봇 실험에서는 총 20개 시나리오에서 평균 성공률 85%, 평균 Tidiness Score 0.897을 기록해 상용화가 가능할 수준의 우수한 성능이 입증됐다.  * Tidiness Score : 장면이 깔끔하게 정돈된 정도를 0~1 사이의 수치로 평가하는 척도. 1에 가까울수록 잘 정리된 상태이다. 그리고 17명의 사람이 참여한 블라인드 테스트에서 여러 알고리즘의 성능을 비교 평가한 결과, TSMCTS는 사람의 역량에 가장 근접한 정리정돈 능력을 보였다. 이 테스트는 TSMCTS 알고리즘이 탑재된 로봇으로 정돈한 결과와 여러 비교 알고리즘으로 정돈한 결과를 사람들에게 보여준 후, 참여자들로 하여금 만족할 때까지 직접 책상을 더 정돈하도록 했을 때, 각 결과에서 물건들을 얼마나 많이 옮겼는지를 측정한 실험이다. 그 결과, TSMCTS 알고리즘으로 정돈된 결과에서 가장 짧은 이동 거리(57cm). 가장 적은 조작 횟수(103회)를 기록하는 등 참여자들이 가장 적게 움직인 것으로 나타났다. ■ 기대 효과이번 연구에서 개발된 기술은 인간의 지시가 없어도 로봇 스스로 정리정돈을 수행할 수 있는 강점 덕분에 가정용 청소 로봇과 호텔 룸서비스 로봇 개발에 즉시 적용될 수 있다. 또한 물류·제조 현장 자동화에서 응용될 경우, 다양한 크기의 부품·제품을 깔끔하게 배열해야 하는 키팅(kitting)‧패킹 라인에서 작업 준비 시간을 단축하고 품질 편차를 줄일 것으로 기대된다. 또한 연구팀이 이번 연구를 통해 공개한 대규모 정리정돈 데이터셋은 객체 재배열·제어·멀티모달 인지 연구의 표준 벤치마크로 활용될 잠재력이 크다. 따라서 향후 진행될 후속 연구의 기반이 될 수 있을 뿐 아니라, 데이터 및 알고리즘 생태계 확장에 기여할 전망이다.■ 연구진 의견연구를 지도한 오성회 교수는 “로봇 스스로 정리정돈하는 AI 기술은 앞으로 서비스·가정용 로봇, 카페·레스토랑 자동화, 물류·생산 라인 등 다양한 분야에서 응용될 수 있을 것”이라며 “향후 대형 언어모델(LLM)과 결합해 물체의 기능·맥락까지 이해하는 정리정돈 기술로 발전시킬 계획”이라고 밝혔다.■ 연구진 진로 이번 논문의 제1저자인 기호건 연구원은 서울대학교 전기정보공학부에서 석박통합 박사과정을 밟고 있으며, 로봇 파운데이션 모델 학습 및 휴머노이드 제어 관련 연구를 이어가고 있다. 졸업 후 국내외 연구소 또는 기업에서 AI·로보틱스 분야의 연구 개발자로 근무할 예정이다.한편 이번 연구는 과학기술정보통신부와 정보통신기획평가원(IITP)의 ‘(SW스타랩) 로봇학습: 효율적이고 안전한, 사회 친화적 기계학습 과제’와 ‘복합지능 자율행동체 SW 핵심기술 개발 사업’의 일환으로 수행된 ‘자율행동체의 복합작업 자율 수행을 위한 임무 수행 절차 생성 기술 개발’ 과제를 통해 이뤄졌다.[참고자료]- 학회/논문명 : “Tidiness Score-Guided Monte Carlo Tree Search for Visual Tabletop Rearrangement”, IEEE Robotics and Automation Letters(RA-L) 2025- 논문 링크 : https://ieeexplore.ieee.org/stamp/stamp.jsp?arnumber=11122657- 동영상 : https://www.youtube.com/watch?v=uVFTlOq-sxga[문의]서울대학교 전기정보공학부 및 자동화시스템공동연구소 로봇학습연구실 오성회 교수 / 02-880-1511 / songhwai@snu.ac.kr

서울공대 전기정보공학부 이철호 교수팀, 차세대 2D 반도체 기술 ‘게이트 스택’ 발전 방향 제시

서울공대 전기정보공학부 이철호 교수팀, 차세대 2D 반도체 기술 ‘게이트 스택’ 발전 방향 제시 전자공학 최고 권위 학술지 ‘Nature Electronics’ 논문 게재 ▲ (왼쪽부터) 서울대학교 전기·정보공학부 이철호 교수(교신저자), 김연호 박사(1저자), 이재호 박사과정생(공저자), 이동현 석박사통합과정생(공저자)  서울대학교 공과대학은 전기·정보공학부 이철호 교수 연구팀이 차세대 반도체 소자로 주목받고 있는 2차원(2D) 트랜지스터의 핵심 기술인 ‘게이트 스택(gate stack)’*의 발전 방향을 종합적으로 제시했다고 밝혔다. * 게이트 스택(gate stack) : 트랜지스터에서 전류 흐름을 제어하는 구조. 전도층 위에 유전체와 금속을 적층해 만든다.이번 연구 결과는 반도체 기술 발전을 선도하는 최고 권위의 국제 학술지 ‘네이처 일렉트로닉스(Nature Electronics, IF=40.9)’에 지난 11일 게재됐다.■ 연구 배경현재의 반도체는 대부분 실리콘 기반의 CMOS(상보성 금속 산화막 반도체) 기술에 의존하고 있다. 이 기술은 지난 수십 년간 반도체의 성능 및 집적도 향상을 이끈 바 있다. 그러나 오늘날 수 나노미터(nm) 수준의 초미세 공정에서는 물리적 한계에 직면한 실정이다. 이를 대체할 유력한 차세대 채널 물질로, 원자 두께의 얇은 층으로 이뤄져 있음에도 전기적 특성이 유지되는 2차원 반도체가 주목받고 있다.특히 삼성, TSMC, 인텔, IMEC 등 세계 유수의 반도체 기업이나 반도체 연구기관들은 2030년대 중반 이후에는 실리콘을 잇는 차세대 기술로 2D 반도체 트랜지스터를 채택할 계획을 기술 로드맵에 반영해 이미 대규모 연구개발에 착수한 상태다. 이처럼 2D 반도체는 더 이상 미래의 기술이 아니며, 글로벌 반도체 산업의 차세대 주력 기술로 빠르게 부상하고 있다.     하지만 현재 2D 반도체 상용화의 가장 큰 장애물로 꼽히는 것이 바로 ‘게이트 스택’ 공정 기술이다. 게이트 스택은 전류의 흐름을 제어하는 반도체의 핵심 구조로, 그 품질에 따라 반도체의 성능과 안정성이 결정된다. 그런데 기존 실리콘 트랜지스터 공정을 그대로 2D 반도체에 적용하면 유전체*의 품질이 낮아질 뿐 아니라, 계면에 결함이 생기고 전류가 새는 등의 문제가 발생한다. 이를 해결할 새로운 소재와 공정 개발은 2D 반도체 상용화를 위한 가장 중요한 과제로 꼽힌다.* 유전체 : 전기를 통과시키지 않는 절연층■ 연구 성과이에 이철호 교수 연구팀은 다양한 게이트 스택 형성 방식을 분석하고, 이를 성능 지표별로 정량적으로 비교함으로써 향후 기술 개발의 방향성을 제시했다. 먼저 연구진은 게이트 스택 형성 방식을 △반데르발스(vdW) 계열 유전체 △자연 산화 유전체 △결정 유전체 전사 방식(quasi-vdW) △시드층을 이용한 고유전막 형성 방식(vdW-seeded) △기존 공정과 호환되는 방식(non-vdW-seeded) 등 다섯 가지로 분류했다. 그리고 각 방식을 계면 결함, 산화막 두께, 누설 전류, 임계 전압, 구동 전압 등 핵심 성능 지표로 평가해, 국제반도체기술로드맵(IRDS) 목표와 비교했다. 이 과정을 통해 학계와 산업계가 함께 참고할 수 있는 체계적인 개발 로드맵을 제시하는 성과를 거뒀다. 또한 연구팀은 강유전체(ferroelectric)* 소재를 삽입한 게이트 스택이 차세대 소자로 확장될 수 있는 가능성도 제시했다. 예컨대 강유전체 기반 게이트 스택을 활용하면 초저전력 로직, 비휘발성 메모리, 인-메모리 컴퓨팅 구현이 가능하다. 아울러 연구진은 BEOL(Back-End-of-Line) 공정 호환성, 400℃ 이하의 저온 증착, 웨이퍼 전반의 균일성, 장기 신뢰성 확보 등 실용화의 필수 조건까지 구체적으로 제시하며, 단순한 이론적 논의를 넘어 실제 산업 적용성을 강조했다.* 강유전체 : 외부 전기장이 없어도 내부에 전기 분극이 남아 있는 특성을 지닌 물질. 비휘발성 메모리 구현 등에 활용된다.이번 연구는 2D 반도체 게이트 스택의 성능을 다양한 지표로 정량적으로 비교하고, 이를 IRDS 목표와 연결해 평가함으로써 차세대 반도체 개발의 청사진을 제시했다는 점에서 의미가 크다. 이를 통해 초저전력·고성능 트랜지스터의 구현 가능성을 확인했을 뿐만 아니라, 향후 3차원 모노리식 적층과 BEOL 호환 공정을 고려한 구체적 기술 방향까지 제안한 점도 혁신적 성과로 꼽힌다. 아울러 이번 연구에서 제시된 기술들은 향후 인공지능 반도체, 초저전력 모바일 칩, 초고집적 서버 등 차세대 ICT 인프라 발전을 이끌 핵심 기반 기술이 될 것으로 기대된다. ■ 연구진 의견이철호 교수는 “2차원 트랜지스터 상용화의 가장 큰 걸림돌은 고품질 게이트 스택의 구현”이라며 “이번 연구는 이를 극복하기 위한 표준적 청사진을 제시했다는 점에서 학문적·산업적으로 매우 큰 파급력을 지닌다. 앞으로 산학 협력을 통해 실제 소자 집적 및 상용화 연구를 적극적으로 확대해 나갈 계획”이라고 밝혔다.■ 연구진 소개서울대 이철호 교수 연구팀은 2D 반도체 소자, 그 중에서도 고품질 게이트 스택 기술 분야에서 국제 학계를 선도하는 연구를 활발히 이어가는 중이다. 특히 단순한 이론 제시에 그치지 않고 실제 소자 제작과 공정 통합을 포괄하는 폭넓은 연구를 수행하며, 차세대 반도체의 핵심 난제를 앞장서 해결하는 등 미래 반도체 연구의 세계적 흐름을 주도하는 중심 그룹으로 자리매김했다는 평가다. ■ 연구진 진로 본 논문의 제1저자인 김연호 박사는 현재 서울대 전기·정보공학부에서 박사후연구원으로 근무하며, 2차원 반도체 기반 트랜지스터의 금속 접합 및 게이트 스택 관련 연구를 수행하고 있다. 이번 연구 성과를 바탕으로 향후 차세대 2D 반도체 집적 소자 분야에서 학문적 및 산업적 리더십을 발휘할 것으로 기대된다.한편, 본 연구는 과학기술정보통신부가 지원하는 차세대 지능형반도체 개발사업과 나노 및 소재기술 개발사업(미래기술연구실)의 지원을 받아 수행됐으며, 대학원생들은 BK21 Four와 인공지능반도체대학원의 지원을 받았다.▲ 그림 1. CMOS 로직기술 개발 로드맵 및 옹스트롬급 2차원 트랜지스터의 잠재력[참고자료]Kim, Y.H., Lee, D., Huh, W. et al. Gate stack engineering of two-dimensional transistors. Nat Electron (2025). https://www.nature.com/articles/s41928-025-01448-5[문의]서울대학교 전기·정보공학부 차세대 반도체 소자 및 재료 연구실 김연호 연구원 / julianus95@snu.ac.kr

[연합뉴스] 국내 연구진, 자성 나노나선 구조로 상온서 전자스핀 조절 성공

[연합뉴스] 국내 연구진, 자성 나노나선 구조로 상온서 전자스핀 조절 성공 고려대·서울대 연구팀 "키랄 금속 자성체 개발…스핀트로닉스 한계 돌파구“ (서울=연합뉴스) 이주영 기자 = 국내 연구진이 외부 자기장이나 극저온 장치 없이도 전자의 스핀 방향을 조절할 수 있는 '키랄(chiral) 자성 나노나선' 구조를 만들고, 이를 이용해 스핀을 선택적으로 이동시키는 기술을 개발했다.▲ 킬랄 자성 나노나선의 모식도연구팀은 전기화학적 방식으로 금속 이온을 환원시킬 때 입자 결정화 과정에서 키랄 분자를 첨가, 금속 입자 표면에 흡착돼 나선의 꼬인 방향을 오른쪽, 왼쪽 키랄 방향으로 조절했다. [고려대·서울대 연구팀 제공. 재판매 및 DB 금지]고려대 김영근 교수팀(제1 저자 전유상 박사, 정은진 연구원)과 서울대 남기태 교수팀은 5일 과학 저널 사이언스(Science)에서 자성 키랄 나선구조를 만들고, 상온을 포함한 넓은 온도 범위에서 스핀을 조절할 수 있음을 확인했다고 밝혔다.스핀은 전자가 갖는 고유한 자기적 성질로, 양자역학적으로 업(↑)과 다운(↓) 두 상태를 가지며, 스핀트로닉스(Spintronics) 기술은 두 가지 스핀 상태를 제어하고 감지하는 것이 핵심이다.스핀트로닉스는 더 빠르고 에너지 효율이 높은 데이터 저장과 논리 소자가 가능하고, 전류에 의존하지 않기 때문에 전기가 꺼져도 정보가 지워지지 않는 비휘발성 메모리인 자성메모리(MRAM) 등 차세대 정보소자 기술로 주목받아 왔다.하지만 스핀트로닉스를 실현하기 위해서는 먼저 전자의 스핀 방향을 정밀하게 제어할 수 있는 물질을 개발해야 하는 과제가 남아 있다.연구팀은 이 연구에서 금속 결정화 과정을 전기화학적으로 조절해 '키랄 자성 나노나선 구조'를 제작하는 데 성공했다. 이 과정에서 소량의 키랄 유기분자(신코닌과 신코니딘)를 도입해 나선이 원하는 방향으로 꼬이도록 유도한 것이다.키랄은 오른손과 왼손처럼 거울대칭으로 방향이 반대여서 이동이나 회전으로는 겹칠 수 없는 분자 구조로, 완전히 똑같은 원자들로 구성돼 있어도 완전히 다른 특성을 나타내게 된다.연구팀이 만든 키랄 자성 나노나선 구조는 특정 방향 스핀만 잘 통과시키고 반대 방향 스핀은 막는 것으로 실험에서 입증됐다.연구팀은 이는 3차원 나노나선 구조의 회전성만으로 스핀을 선택적으로 걸러내고 이동시킬 수 있음을 처음으로 밝혀낸 것이라며 자성 나노나선의 본래 자성 덕분에 이 구조를 통과한 스핀은 상온에서도 멀리 이동할 수 있음이 확인됐다고 밝혔다.이어 나노나선이 회전하는 자기장 속에서 스스로 전압(기전력)을 만들어내는 성질을 이용해 키랄성을 정량적으로 확인하는 새로운 방법도 개발했다고 덧붙였다.김영근 교수는 "자성체는 그 자체로 전자의 스핀을 정렬하는 능력이 있어 키랄 구조에 의한 스핀 흐름 조절이 가능하다"며 "이 연구로 그동안 이론과 실험으로 보고된 키랄 스핀트로닉스 원리를 더 잘 이해하는 계기가 됐다"고 말했다.남기태 교수는 "유기물과 달리 금속의 경우, 나노스케일에서 키랄성을 제어하는 것은 중요한 과학적 난제"라며 "이 연구는 분자를 이용한 나선의 꼬인 방향성을 제어한 최초의 결과"라고 의의를 밝혔다.▲ 고려대·서울대 연구팀(왼쪽부터) 고려대 김영근 교수, 정은진 연구원, 전유상 박사, 서울대 남기태 교수. [고려대·서울대 연구팀 제공. 재판매 및 DB 금지]◆ 출처 : Science, Young Keun Kim and Ki Tae Nam et al., 'Spin-selective transport through chiral ferromagnetic nanohelices', https://doi.org/10.1126/science.adx5963scitech@yna.co.kr