Bionic Human-Motion Style Transfer for Physically Executable Whole-Body Control of Humanoid Robots

기술 요약: 휴머노이드 로봇의 물리적 실행 가능한 전신 제어를 위한 바이오닉 인간 동작 스타일 전이

문제 정의

인간 중심의 환경에서 작동하는 휴머노이드 로봇은 안정적인 보행뿐만 아니라 표현력이 풍부하고, 읽기 쉬우며, 조절 가능한 신체 동작을 필요로 한다. 인간의 동작 스타일(예: 보행 리듬, 자세, 팔 흔들기)은 감정과 의도를 전달하기 위한 풍부한 바이오닉 소스로 기능할 수 있지만, 기존 방식들은 애니메이션 중심의 스타일 전이와 물리적 실행 가능성 사이의 상당한 간극에 직면해 있다.

기존 접근 방식은 대개 고정된 데몬스트레이션이나 수동으로 설계된 스크립트에 의존하므로, 입증된 스타일을 서로 다른 동작 내용에 재사용하기 어렵다. 또한, 생성형 스타일 전이 방법(예: 확산 모델)을 휴머노이드 로봇에 직접 적용하는 것은 도전적인 과제인데, 시각적으로 그럴듯한 동작이 하드웨어 제약 조건을 위반하는 경우가 많기 때문이다. 생성된 시퀀스는 지지 발의 밀림(stance-foot drift), 지면 관통, 또는 고주파 관절 진동을 보일 수 있으며, 이는 실제 하드웨어에서 추적을 불안정하게 만들거나 불가능하게 만든다. 본 논문이 다루는 핵심 문제는 다음과 같다: 대상 콘텐츠 동작과 짧은 인간 스타일 예시가 주어졌을 때, 어떻게 작업의 의미론(semantics)을 보존하면서 대상 스타일을 표현하고, 실제 휴머노이드 로봇에서 안정적으로 실행 가능한 전체 신체 참조(reference)를 생성할 것인가?

방법론

저자들은 인간 동작 스타일 전이를 로봇 실행으로 연결하는 세 가지 주요 단계를 통해 바이오닉 생성-제어 파이프라인을 제안한다.

1. 물리 인지형 다중 조건 잠재 확산 모델 (Physics-Aware Multi-Condition Latent Diffusion Model)
생성 프레임워크는 세 가지 뚜렷한 스트림에 의해 조건화되는 잠재 확산 모델을 활용한다:

• 콘텐츠(Content): 의도된 동작과 전역 궤적(예: 걷는 방향)을 보존한다.
• 스타일(Style): 고정된 MotionCLIP 인코더를 사용하여 짧은 인간 예시로부터 표현적인 단서(리듬, 흔들림, 자세)를 추출한다.
• 궤적(Trajectory): 전역 경로 구조를 유지한다.

단순히 변조(modulation)에만 의존하는 기존의 다중 조건 확산 모델과 달리, 이 아키텍처는 조건을 확산 트랜스포머(Diffusion Transformer, DiT) 내의 명시적인 토큰으로 융합한다. 스타일 조건은 셀프 어텐션(self-attention) 브랜치를 변조하고, 궤적 조건은 피드포워드(feed-forward) 브랜치를 변조한다.

• 분류기 없는 가이던스 (Classifier-Free Guidance): 추론 과정에서 스타일 강도는 재학습 없이 가이던스 스케일($\lambda$)을 통해 조절 가능하며, 이를 통해 스타일이 얼마나 강하게 전이될지를 제어할 수 있다.
• 물리 인지형 정규화 (Physics-Aware Regularization): 실행 가능성을 보장하기 위해, 모델은 (단순히 잠재 토큰만이 아닌) 디코딩된 관절 궤적에 대해 계산된 정규화 항을 사용하여 학습된다. 여기에는 다음이 포함된다:
  • 접촉 일관성 손실 (Contact-Consistency Loss): 지지 단계(stance phase) 동안 발의 미끄러짐과 지면 관통에 대해 페널티를 부여한다.
  • 시간적 매끄러움 손실 (Temporal-Smoothness Loss): 속도 및 가속도 미분값을 일치시킴으로써 고주파 관절 진동(jitter)에 대해 페널티를 부여한다.

2. 참조 변환 및 리타겟팅 (Reference Conversion and Retargeting)
생성된 스타일화된 동작은 오프라인에서 G1 호환 참조로 변환된다. 이 과정에는 특정 Unitree G1 로봇 형태(29개의 능동 자유도)에 적합하도록 관절 순서 지정, 관절 한계 처리, 그리고 운동학적 필터링이 포함된다.

3. 클러스터 및 증류 전신 추적 (Cluster-and-Distill Whole-Body Tracking)
다양한 스타일 참조를 실행하기 위해 프리뷰 기반 전신 추적 정책이 사용된다.

• 학습 전략: 정책은 클러스터 및 증류(cluster-and-distill) 접근 방식을 사용하여 학습된다. 먼저, 전문가 정책(expert policies)이 동역학 무작위화를 포함하여 특정 동작 클러스터(직진 보행, 회전, 원형 보행, 상체 강조)에 대해 학습된다. 이후 이 전문가들을 데이터셋 집계(Dataset Aggregation, DAgger)를 사용하여 하나의 일반화된 정책으로 증류한다.
• 실행: 정책은 고유 수용 감각 관측값과 짧은 호라이즌(1초)의 미래 참조 프리뷰를 받는다. 이를 통해 로봇은 스타일 의존적인 리듬과 접촉 타이밍을 예측할 수 있으며, 스윙-스탠스 전환 중 로봇을 안정화한다.

주요 기여

1. 정식화: 본 논문은 인간 동작에서 영감을 받은 스타일 전이를 바이오닉 전신 제어 문제로 정식화하여, 예시 기반 스타일 전이와 실제 로봇의 실행 가능성 제약을 명시적으로 연결하였다.
2. 아키텍처: 디코딩된 동작 정규화를 통해 접촉 불일치와 관절 진동을 억제하면서 스타일 단서를 주입하는 물리 인지형 다중 조건 잠재 확산 모델을 개발하였다.
3. 제어 전략: 생성된 참조를 클러스터 및 증류 추적 정책과 통합하여, 컨트롤러 교체 없이도 다양한 스타일의 참조를 견고하게 배포할 수 있게 하였다.
4. 검증: 시뮬레이션 및 Unitree G1 휴머노이드 로봇에서의 포괄적인 검증을 통해, 지각적 스타일 지표와 로봇 지향적 실행 가능성 지표를 모두 보고하였다.

실험 결과

본 방법은 다섯 가지 가이던스 스케일($\lambda \in \{0, 0.25, 0.5, 0.75, 1.0\}$)에 대해 Unitree G1 로봇을 대상으로 125회의 하드웨어 시험을 거쳐 평가되었다.

• 성공률: 제안된 방법은 실제 하드웨어에서 96.0%의 성공률(125회 중 120회)을 달축성했다. 실패는 주로 높은 가이던스 스케일($\lambda=1.0$)에서 관찰되었는데, 이는 과도한 스타일 증폭이 추적 발산나 전도로 이어졌기 때문이다.
• 베이스라인과의 비교: 애니메이션 중심의 베이스라인(MotionDiffuse, Motion Puzzle, MCM-LDM)과 비교했을 때, 제안된 방법은 우수한 트레이드오프를 보여주었다. 일부 베이스라인은 더 나은 지각적 점수(예: Fréchet Motion Distance)를 달성했지만, 접촉 불안정성과 진동으로 인해 시뮬레이션 성공률(예: MCM-LDM의 경우 약 60% 대비 본 연구의 약 96%)이 현저히 낮았다.
• 절제 연구 (Ablation Studies):
  • 정규화: 접촉 또는 매끄러움 정규화를 제거하면 발 미끄러짐(FSF)과 관절 진동(Apos/Jpos)이 증가하여, 물리 인지형 손실의 필요성을 확인시켜 주었다.
  • 추적 전략: 클러스터 및 증류 정책은 단일 정책 베이스라인보다 스타일이 다양한 참조를 처리하는 데 뛰어난 성능을 보였으며, 원래 동작으로만 학습된 단일 정책의 시뮬레이션 성공률 81.25%에 비해 92.97%의 성공률을 달성했다.

의의 및 주장

본 논문은 짧은 인간 동작 예시를 물리적으로 실행 가능한 표현력 있는 휴머노이드 동작을 위한 재사용 가능한 바이오닉 소스로 사용하는 것의 타당성을 입증한다고 주장한다.

• 간극 해소: 본 연구는 생성형 스타일 전이에서 발생하는 "로봇 실행 가능성 간극"을 해결하며, 스타일 전이가 인간다운 의도를 전달하는 능력을 희생하지 않으면서도 로봇이 실행 가능한 동작 공간 내로 제약될 수 있음을 보여준다.
• 실제 배포: 높은 하드웨어 성공률을 달성함으로써, 본 방법은 시뮬레이션 전용 애니메이션을 넘어 사회적 및 서비스 환경에서 표현력 있는 행동을 배포할 수 있는 실행 가능한 파이프라인을 제공한다.
• 제한적 범위: 저자들은 현재 검증이 평평한 실내 지형에 국한되어 있으며, 프레임워크가 아직 복잡한 외부 접촉이나 물체 상호작용을 모델링하지 못한다는 점을 언급하며 한계를 인정한다. 또한, 스타일 예시의 회전 편향이 직진 보행 작업에 영향을 미치는 것을 방지하는 등의 완벽한 분리(disentanglement)가 형식적으로 보장되지는 않으나, 다중 조건 설계를 통해 이를 완화하고 있다고 밝힌다.

요약하자면, 본 논문은 인간 동작 스타일 전이를 순수한 시각적 애니메이션 작업에서 물리적으로 근거가 있는 제어 문제로 변환하여, 휴머노이드 로봇이 짧은 인간 데몬스트레이션으로부터 유도된 다양하고 표현력 있으며 안정적인 전신 동작을 실행할 수 있도록 하는 응집력 있는 프레임워크를 제시한다.