1993 대전엑스포 ‘막대 세우기’ 기계의 정체

1993 대전엑스포 ‘막대 세우기’ 기계의 정체

후지쓰 ‘뉴로 저글러(Neuro Juggler)’ — 도립진자 균형제어 시연

---

1. 한 줄 요약

‘손끝 위에 막대를 세워 균형을 잡던 기계’는 자동제어 공학의 대표 문제인 도립진자(倒立振子, inverted pendulum) 균형제어 시연이며, 1993 대전엑스포에서 이를 선보인 것은 후지쓰(Fujitsu)의 ‘뉴로 저글러(Neuro Juggler)’입니다. 전시 장소는 국제전시구역의 한국후지쓰관(Fujitsu Pavilion)이었습니다.

엑스포과학공원(한빛탑 일대) — 1993 대전엑스포 부지. 사진: Yoo Chung, Wikimedia Commons, CC BY-SA 2.5

2. 정체: 후지쓰 ‘뉴로 저글러’

• 원리 — 기울기·각속도를 실시간 감지 → 뉴로컴퓨터(신경망)가 판단 → 받침(피벗)을 반대로 움직여 막대를 계속 세워 둠.
• 명칭 — ‘저글링(juggling)’으로 소개됐지만 실제 동작은 막대 세우기(inverted-pendulum balancing).
• 의미 — 도립진자는 불안정계(가만두면 쓰러짐)로 제어이론·로봇공학의 표준 벤치마크. 신경망으로 이를 안정화한 1990년대 초 신경망 컴퓨팅의 상징적 시연.

3. 그들이 사용한 ‘방식’

핵심은 사람이 손끝에 막대를 세울 때 하는 일을 기계가 그대로 하는 것입니다. 즉 ‘상태를 읽고 → 판단하고 → 받침을 움직인다’를 넘어지는 속도보다 빠르게 반복하는 폐루프(closed-loop) 피드백 제어입니다. 당시 차별점은 ‘판단’을 수식 제어기가 아니라 학습된 신경망(뉴로컴퓨터)이 맡았다는 데 있습니다.

[그림 1] 도립진자 균형의 원리 — 막대가 기우는 쪽으로 받침을 밀어 무게중심 아래에 받침점을 유지

• ① 감지 — 기울기 상태를 고속 측정(카메라 또는 힌지의 각도센서). 카메라면 초당 30~60회, 각도센서면 초당 수백~수천 회.
• ② 판단 — 측정값을 신경망에 넣어 ‘받침을 어느 쪽으로 얼마나’ 움직일지 출력. 이 입력→출력 관계를 사전 학습으로 익혀 둔 것이 핵심.
• ③ 구동 — 모터가 받침을 이동시켜 매 순간 중력 토크보다 큰 반대 힘으로 막대를 다시 세움.
• ④ 반복 — 바뀐 상태를 다시 읽어 ①로. 되먹임이 끊기면 즉시 쓰러짐.

[그림 2] 시각 피드백 신경망 제어 루프 (감지 → 뉴로컴퓨터 → 모터·받침 → 막대 → 다시 감지)

신경망 학습 방식(해당 시기 일반적 방법) — ① 지도학습(모방): 기준 제어기/사람 조작을 신경망이 따라 하도록 오차역전파로 조정. ② 강화학습(시행착오): ‘오래 세울수록 보상, 쓰러지면 벌점’으로 좋은 제어 정책을 스스로 탐색.

4. 어느 관이었나: 한국후지쓰관

• 운영 — 한국후지쓰(후지쓰 한국법인)가 운영한 기업관.
• 위치 — 국제전시구역.
• 구성 — 뉴로 저글러 시연 관람 후 3D 입체영화.
• 현재 — 엑스포 폐막 후 철거, 현존하지 않음.

5. 지금의 AI로 대체한다면? — 심층 강화학습

뉴로 저글러는 오늘날 심층 강화학습(Deep RL) 기반 제어의 30년 전 조상입니다. ‘세상을 보고(상태) → 몸을 움직여(행동) → 목표 달성’ 하는 일이라, ChatGPT 같은 언어 AI가 아니라 행동하는 AI(로봇 제어·강화학습) 갈래에 속합니다. 특히 막대 세우기(CartPole)는 오늘날 강화학습의 ‘Hello World’ 예제(OpenAI Gym CartPole-v1)입니다.

[그림 3] 뉴로 저글러(1993) ↔ 오늘날 심층 강화학습 — 원리는 같고 규모·계산력만 커졌다

실제 최신 사례 (같은 원리)

뉴로 저글러(1993)	오늘날 같은 원리
막대 균형 잡기	테슬라 옵티머스·보스턴다이내믹스 휴머노이드 균형 제어
넘어지지 않게 발밑 조정	ANYmal 사족보행 로봇 (강화학습으로 험지 보행)
신경망이 실시간 자세 제어	드론 곡예비행 자율제어(취리히대 등)
신경망 = 판단 두뇌	CartPole 강화학습(모든 RL 입문 예제)

30년 전 vs 지금 — 무엇이 달라졌나

구분	1993 뉴로 저글러	지금의 AI
신경망 크기	얕고 작음(뉴런 수십~수백)	깊고 큼(수백만~수십억 파라미터)
연산	전용 뉴로컴퓨터 필요	GPU 한 대로 충분
학습 장소	실물에서 직접	시뮬레이션 수백만 회 후 실물 이식
입력	각도 몇 개 / 단순 영상	카메라·라이다·언어까지 통합

※ 그림 1·2·3은 원리 설명용 자체 제작 도해. 사진은 자유이용 라이선스(CC BY-SA) 자료만 사용. 뉴로 저글러의 정확한 센서 구성·루프 주파수·내부 알고리즘 원문은 공개 자료로 특정되지 않아 해당 시기 일반적 방식으로 서술함.