사례 연구 · 인간-로봇 상호작용
돌봄 로봇을 위한 컴포넌트 기반 모션 디자인
Lemmy는 노인을 위한 2륜 컴패니언 로봇입니다. 사람 같은 몸짓이 없기 때문에, 전달하는 메시지의 상당 부분을 움직임이 담당합니다. 이 연구는 그 움직임을 어떻게 디자인해야 하는지, 그리고 누구의 의견을 바탕으로 해야 하는지를 묻습니다.
개요
디자이너 겸 연구자, 제1저자
UNIST IID Lab, U. V. U. Ismatullaev, KwanMyung Kim 교수와 함께
2024 – 2025
디자이너 워크숍, 전문가 인터뷰, 쌍대 비교 연구, 검증 연구, 주제 분석
워크숍 디자이너 6명, 선호도 연구에 65세 이상 25명, 검증 연구에 추가 15명
KSDS 2025, IASDR 2025, 그리고 Lemmy 팀과 함께 받은 CES 2025 Innovation Award
노인과의 공동 디자인은 가치가 크지만, 긴 세션은 지치기 쉽고 반복하기도 어렵습니다. 로봇의 모션은 보통 하드웨어가 완성된 뒤 막바지에 직관으로 정해집니다. 이 연구는 대신 소수의 모션 컴포넌트에 대해 한 번만 선호도를 수집하고, 이를 조합해 새로운 동작을 만듭니다.
로봇 모션 디자인 실무의 세 가지 공백
-
1
이론이 방법론으로 이어지지 않는다
표현적인 모션을 설명하는 기존 프레임워크는 있지만, 디자이너가 단계별로 따를 수 있는 프로세스를 제시하는 경우는 드뭅니다.
-
2
고강도 공동 디자인은 고령 참가자에게 부담이 된다
인지 부하, 피로, 익숙하지 않은 기술 때문에 노인과의 집중적인 공동 창작 세션은 지속하기 어렵습니다.
-
3
검증된 재사용 컴포넌트가 없다
하나의 동작을 한 번 조정해 두면 새로운 동작으로 다시 조합할 수 있는 요소로 분해하는 검증된 방법은 지금까지 없었습니다.
동작 구상부터 검증까지, 4단계 방법론
모든 연구에는 정밀한 디지털 트윈을 사용했습니다. Lemmy의 CAD 모델을 Blender로 가져와 로봇의 물리적 한계 안에서만 애니메이션을 만들었습니다. 덕분에 빠르게 반복하고, 변수를 완전히 통제하며, 하드웨어가 개발 중인 단계에서도 연구를 진행할 수 있었습니다.
1단계 · 동작 카탈로그
참여형 워크숍에서 나온 22개 동작 카탈로그
세 팀, 여섯 명의 디자이너와 함께 참여형 워크숍을 진행했습니다. 노인이 아침 식사를 준비하거나 잃어버린 물건을 찾는 것 같은 일상 시나리오를 바탕으로, 각 팀은 Lemmy가 도울 수 있는 순간을 모두 나열한 뒤 아이디어를 묶었습니다.
각 팀은 40개가 넘는 동작 아이디어를 냈고, 이를 기능적 동작 14개와 표현적 동작 8개, 총 22개 동작의 카탈로그로 정리했습니다. 사용자에게 다가가기, 따라가기, 도크로 돌아가기, 위치 바꾸기, 끄덕이기의 다섯 가지는 모든 팀에서 공통으로 나왔습니다.
2단계 · 컴포넌트
전문가 인터뷰로 도출한 네 가지 모션 컴포넌트
전문 디자이너 인터뷰를 통해 이들이 모션을 어떻게 사고하는지, 즉 어떤 변수를 조정하고 동작을 어떻게 분해하는지가 드러났습니다. 그중 네 가지 컴포넌트는 디자인에 활용하기 쉬우면서도 노인이 쉽게 인지할 수 있었습니다.
- 속도
- 경로
- 자세
- 회전 방식
주제 분석에서는 리듬, 반복, 가속도도 도출되었지만, 테스트를 단순하게 유지하기 위해 이번에는 제외했습니다.
3단계 · 선호도
노인 25명의 쌍대 비교 선호도
파키스탄에 거주하는 65세 이상 성인 25명이 한 가지 컴포넌트만 다른 3D 애니메이션 쌍을 보고 더 마음에 드는 쪽을 골랐습니다. 시행 순서는 무작위로 정했습니다.
- 속도: 보통(약 0.5–0.7m/s, 작은 반려동물이 걷는 속도) 또는 빠름(0.7m/s 초과)
- 경로: 직선 또는 완만한 곡선
- 자세: 똑바로 선 채 정지, 또는 동작에 맞춰 기울이기
- 회전 방식: 급격한 피벗 또는 부드러운 호
4단계 · 검증
새로운 표본으로 선호도 기반 동작 검증
세 가지 동작(사용자에게 다가가기, 도크로 돌아가기, 춤)을 각각 네 가지 버전으로 만들었습니다.
- V1: 선호된 컴포넌트로 구성
- V2: 선호되지 않은 컴포넌트로 구성
- V3와 V4: 무작위 조합으로 구성
컴포넌트 테스트에 참여하지 않은 노인 15명의 새로운 그룹이 12개 영상을 각각 10점 만점으로 평가하고 그 이유를 설명했습니다.
선호된 컴포넌트가 가장 높은 평가의 동작을 만들었습니다
노인의 컴포넌트 선호도
참가자 25명 중 각 변형을 선택한 비율
자세, 경로, 회전 방식에 대한 선호는 이 표본에서 통계적 유의성에 이르지 못해 경향으로 보아야 합니다. 이를 종합하면 Lemmy의 기본 모션 프로파일이 정해집니다. 적당한 속도, 곧은 경로, 부드러운 회전, 그리고 동작에 맞춰 기울어지는 몸체입니다.
완성된 동작에 대한 평가
새로운 참가자 15명의 평균 점수(10점 만점)
선호된 컴포넌트가 전체적으로 가장 높은 점수를 받았습니다. 모든 동작에 걸쳐 V1이 가장 높은 평균 평가와 가장 작은 편차를 보였습니다(95% CI 7.24–8.10). 선호되지 않은 조합은 모든 동작에서 가장 낮은 점수를 받았습니다.
목표가 분명할수록 읽기 쉬운 움직임이 중요합니다. 선호된 컴포넌트로 만든 “도크로 돌아가기”가 가장 높은 점수(SD 0.88)를 받았으며, 신뢰 구간이 다른 어떤 변형과도 겹치지 않았습니다.
표현적인 동작은 더 많은 변화를 허용합니다. 춤에서는 무작위 조합 하나가 선호 버전에 근접한 점수를 받았고, 평가도 더 엇갈렸습니다.
로봇 모션 디자인을 위한 시사점
한 번 수집한 선호도는 여러 동작에 재사용할 수 있습니다
선호된 컴포넌트 값으로 이루어진 작은 라이브러리는 디자인의 사전 지식 역할을 합니다. 새로운 동작은 이를 바탕으로 조합할 수 있고, 의도적으로 벗어나는 경우에만 추가 테스트가 필요합니다. 노인 돌봄에서 귀한 자원인 참가자의 시간을 아낄 수 있습니다.
작업에는 예측 가능한 움직임을, 표현에는 더 많은 자유를
곧은 경로와 부드러운 회전은 사람이 로봇의 의도를 읽어야 하는 작업 동작에서 가장 중요합니다. 춤 같은 표현적인 동작은 수용성을 떨어뜨리지 않으면서 이러한 제약을 완화할 수 있습니다.
하드웨어가 나오기 전에 모션을 평가할 수 있습니다
로봇의 물리적 한계 안에서 만든 애니메이션 덕분에, 프로토타입이 개발 중인 단계에서도 모션을 연구할 수 있었습니다. 디자인 결정이 개발 중인 하드웨어의 일시적인 성능에 묶이지도 않았습니다.
한계. 테스트를 다루기 쉽게 하기 위해 컴포넌트마다 변형을 두 가지로만 두었기 때문에, 더 세밀한 차이는 포착하지 못했습니다. 애니메이션은 실제 타이밍, 개인 공간, 실제 반응을 재현할 수 없습니다. 표본은 작고 한 국가에서만 모집했으며, 실물 로봇을 이용한 테스트가 다음 단계입니다. 이 한계 중 두 가지가 후속 연구의 방향을 정했습니다. 애니메이션을 물리적으로 구현 가능한 범위로 유지하는 도구, 그리고 실제 공간에 로봇을 실물 크기로 배치하는 AR 연구입니다.
