시각 언어 모델을 활용한 로봇의 감정 인식 기술 연구

주장로봇이 인간과 원활하게 협업하려면 물리적 작업 능력을 넘어 인간의 감정을 이해하고 적절히 반응하는 능력이 필요합니다. 로봇은 단순한 얼굴 표정 분석을 넘어 상호작용의 맥락까지 파악해야 합니다.

팩트멜버른 대학교의 홍승찬 연구원이 주도한 관련 연구가 2024년 5월 18일 국제 학술지 아이트리플이 로보틱스 앤 오토메이션 레터스(IEEE Robotics and Automation Letters)에 게재되었습니다. 연구팀은 40명의 자원봉사자를 대상으로 로봇의 감정 인식 능력과 그에 따른 인간의 인식 변화를 실험했습니다.

팩트연구진은 시각 언어 모델(VLM, Visual Language Model)을 활용하여 로봇이 인간의 감정을 읽도록 훈련했습니다. 기존 얼굴 분석 기반 인공지능 시스템이 0.77의 정확도를 보인 반면, 시각 언어 모델은 0.86의 점수를 기록했습니다.

팩트시각 언어 모델은 얼굴 표정뿐만 아니라 사람이 수행하는 행동과 로봇과의 상호작용 등 전체적인 상황을 분석합니다. 이러한 맥락적 이해를 바탕으로 기존 인공지능보다 인간 관찰자의 시각과 유사한 결과를 도출합니다.

팩트실험 결과, 로봇이 실수를 저질렀을 때 참가자 40명 중 31명이 기계적인 사과보다 감정적으로 적응된 사과 방식을 선호했습니다. 로봇의 감정적 대응은 인간과의 상호작용에서 사회적 윤활유 역할을 수행합니다.

교차검증로봇의 감정적 대응이 로봇의 물리적 작업 실패로 인한 신뢰 하락을 완전히 복구하지는 못했습니다. 참가자들은 사과 방식보다 로봇이 작업을 얼마나 성공적으로 수행했는지를 더 중요하게 평가했습니다.

교차검증시각 언어 모델은 제3자의 관찰자 시각에서는 인간의 감정을 잘 파악했으나, 사용자가 스스로 보고한 내면의 감정과 일치하는 비율은 낮았습니다. 이는 모델이 외부적인 사회적 신호는 읽지만 인간의 마음을 완벽히 파악하지는 못함을 의미합니다.

주장로봇 공학 분야는 로봇의 물리적 능력 향상에 집중하고 있으나, 실제 인간과의 상호작용을 위한 혁신도 병행해야 합니다. 기술적 발전이 인간의 기대치를 충족하려면 감정적 지능과 기능적 역량이 조화를 이루어야 합니다.

팩트이번 연구는 로봇이 인간의 감정을 완벽하게 이해하는 데 한계가 있음을 보여줍니다. 사람들은 로봇의 감정적 노력을 긍정적으로 평가하지만, 결국 유능한 협업 파트너로서의 로봇을 원합니다.

주장로봇의 감정 인식 기술은 인간과 로봇의 협업 환경에서 중요한 가치를 지닙니다. 향후 연구는 기술적 정확도와 사용자 경험 사이의 간극을 좁히는 방향으로 진행되어야 합니다.

주장감정 인식 기술은 로봇이 인간 사회에 자연스럽게 녹아들기 위한 필수적인 요소입니다. 로봇의 기능적 완성도와 정서적 교감 능력이 결합할 때 인간의 신뢰를 얻을 수 있습니다.

출처해당 내용은 IEEE Spectrum의 보도 자료를 교차 검증했습니다. (https://spectrum.ieee.org/robot-emotions-visual-language-models)