GAIT: Legged Robot Proprioceptive State Estimation with Attention over Inertial-Leg Tokens

기술 요약: GAIT: 관성-다리 토큰에 대한 어텐션을 이용한 다족 로봇 고유 수용성 상태 추정

문제 정의
정확하고 견고한 고유 수용성 상태 추정은 다족 로봇 보행에 있어 매우 중요하며, 특히 조명이나 기하학적 제한으로 인해 외부 수용성 센서(카메라, LiDAR)가 실패할 수 있는 환경에서 더욱 그러하다. 기존의 학습 기반 상태 추정기들은 휴리스틱 기반 모델 방식에 비해 미끄러짐(slip)에 대한 견고성을 개선했음에도 불구하고, 본 적 없는 지형이나 보행 패턴에 배치될 때 일반화 성능이 떨어지는 경우가 많다. 이러한 한계는 표준 아키텍처가 일반적으로 모든 센서 측정값을 하나의 평탄한 벡터로 결합하기 때문에 발생하며, 이로 인해 네트워크가 접촉과 비접촉 다리 사이를 구분하는 명시적인 구조적 메커니즘 없이 키네마틱 측정값의 가변적인 신뢰도를 암묵적으로 학습해야 하기 때문이다. 결과적으로, 이러한 모델들은 훈련 중에 관찰된 특정 접촉 패턴에 과적합되어 미끄러짐이나 모델링되지 않은 지형과 같은 분포 변화(distribution shifts)가 발생할 때 성능이 저하된다.

방법론
본 논문은 접촉 의존적인 측정 신뢰도를 처리하기 위해 네트워크 아키텍처에 유도 편향(inductive biases)을 통합한 어텐션 기반 고유 수용성 상태 추정 프레임워크인 GAIT를 제안한다. 시스템은 두 가지 주요 구성 요소로 이루어진다:

1. IL 토큰화를 이용한 어텐션 기반 상태 추정 네트워크:

   • 관성-다리(IL) 토큰화: 입력을 평탄화하는 대신, 네트워크는 관성 측정값(IMU)과 다리별 키네마틱 측정값(관절 위치, 속도 및 추적 오차)을 개별 토큰으로 표현한다. 구체적으로, 각 다리와 관성 센서를 위한 별도의 토큰을 생성한다.
   • 아키텍처: 네트워크는 크로스 어텐션을 갖춘 Perceiver IO 인코더를 활용한다. 잠재 토큰(latent tokens)은 입력 토큰(관성 및 다리별 토인)을 쿼리하여 현재 상태에 따라 각 측정값의 상대적 중요도를 학습한다. 이를 통해 네트워크는 명시적인 접촉 추정기 없이도 발이 접촉 중인지 여부에 따라 다리 키네마틱 측정값의 가중치를 적응적으로 재조정할 수 있다.
   • 시계열 모델링: 토큰화된 입력은 2D 위치 임베딩("IL-축" 및 "history-축"을 포함)과 함께 처리되며, 시간적 의존성을 포착하기 위해 GRU(Gated Recurrent Units)를 통과한다.
   • 출력: 네트워크는 바디 프레임 선속도($\bar{v}_B$)와 그와 관련된 불확실성($\bar{u}$)을 예측하며, 불확실성은 대각 공분산 행렬으로 매개변수화된다.
   • 훈련 전략: 2단계 손실 함수가 사용된다. 초기에는 안정성을 위해 MAE(Mean Absolute Error)를 사용하고, 이어서 속도 예측과 불확실성을 공동으로 훈련하기 위해 가우시안 최대 가능도(Gaussian Maximum Likelihood) 손실을 사용한다. 훈련 데이터는 RaiSim 시뮬레이션을 사용하여 Unitree Go1 로봇을 대상으로 트로트(trot) 보행 데이터만을 사용하여 생성되었다. 특히, 필터 전파와 업데이트 사이의 상관관계 문제를 방ellig하기 위해 훈련 중에는 IMU 측정값에만 가우시안 노이즈를 추가하였다.

2. 불변 확장 칼만 필터(Invariant Extended Kalman Filter, IEKF):

   • 예측된 바디 선속도와 그 불확실성은 의사 측정값(pseudo-measurement)으로서 IEKF에 통합된다.
   • 전통적인 접촉 보조 IEKF와 달리, 이 방식은 명시적인 접촉 추정이나 정지 접촉 가정을 기반으로 한 제로 속도 업데이트에 의존하지 않는다. 대신, 네트워크의 속도 예측을 우측 불변 관측값(right-invariant observation)으로 취급하여, 접촉 가정이 위반되는 상황(예: 미끄러짐)에서도 필터가 견고하게 작동할 수 있도록 한다.

주요 기여

• IL 토큰화: 관성 측정값과 다리별 측정값을 분리하여 접촉 의존적 변화에 대한 유도 편향을 제공하는 토큰화된 아키텍처를 도입하였다.
• 접촉 불가지론적 학습(Contact-Agnostic Learning): 명시적인 접촉 추정기나 휴리스틱한 미끄러짐 거부 메커니즘에 의존하지 않고, 접촉 조건에 따라 측정값의 가중치를 학습하는 방법을 제시하였다.
• 불확실성 인식 통합: 네트워크가 속도와 불확실성을 공동으로 예측함으로써, 칼만 필터링 프레임워크 내에서 학습된 의사 측정값의 더 신뢰할 수 있는 통합을 가능하게 한다.
• 일반화: 본 프레임워크는 트로트(trot) 데이터로만 훈련되었음에도 불구하고, 본드(bound), 페이스(pace), 프롱크(pronk)와 같은 미학습 보행 패턴 및 모델링되지 않은 지형(파편 지형)에 대해 견고함을 입증하였다.

실험 결과
실험은 고무, 미끄러운 표면(붕산 가루), 모델링되지 않은 파편 지형을 포함한 다양한 지형에서 Unitree Go1 로봇을 대상으로 수행되었다. 시스템은 훈련된 보행(trot)과 미학습 보행(bound, pace, pronk) 모두에서 테스트되었다.

• 속도 예측: 제안된 방법은 대부분의 지형에서 기존의 학습 기반 방법(NMN) 및 모델 기반 IEKF보다 낮은 바디 프레임 선속도 예측 RMSE(Root Mean Square Error)를 달 기록하였다. 특히, 모델링되지 않은 파편 지형에서 제안된 방법은 "w/o IL token" 변형 모델보다 우수한 성능을 보였으며, 이는 토큰화가 모델링되지 않은 접촉 기하학을 처리하는 데 도움이 됨을 나타낸다.
• 상태 추정: IEKF와 통합되었을 때, 제안된 프레임워크는 접촉 보조 IEKF 및 기타 학습 기반 베이스라인에 비해 위치 및 속도의 ATE(Absolute Trajectory Error)와 RE(Relative Error)를 감소시켰다. "w/o IL token" 변형 모델은 평균적으로 훨씬 높은 위치 드리프트(REpos가 73.6% 더 큼)를 보였으며, 이는 토큰화 스킴의 중요성을 강조한다.
• 미학습 보행에 대한 일반화: 트로트로만 훈련되었음에도 불구하고, 제안된 네트워크는 bound, pace, pronk 보행 테스트 시 베이스라인보다 낮은 예측 오차를 유지하였다. 반면, 다른 학습 기반 베이스라인들은 이러한 미학습 보행 조건에서 모델 기반 IEKF보다 더 큰 오차를 보였다.
• 어텐션 분석: 어텐션 가중치 시각화를 통해 네트워크가 동적으로 초점을 조정함을 확인하였다. 비행 단계(예: pronk 보행 중)에서는 어텐션이 관성 토큰(특히 가속도계)으로 이동하며 예측된 불확실성이 증가하여, 다리 키네마틱으로부터의 관측 가능성 상실을 정확히 반영한다. 접촉 단계에서는 어텐션이 다리 토큰에 적절히 가중치를 부여한다.

의의 및 주장
본 논문은 신경망 아키텍처에 구조적 사전 지식(유도 편향)을 포함하는 것이 학습 기반 상태 추정기의 일반화 성능을 향ore하는 효과적인 전략임을 주장한다. 토큰화를 통해 접촉 조건과 측정 신뢰도 사이의 구조적 관계를 명시적으로 모델링함으로써, 제안된 방법은 명시적인 접촉 추정이나 휴리스틱한 튜닝 없이도 모델 기반 접근 방식과 대등하거나 더 나은 견고성을 달성한다. 실험 결과는 이 프레임워크가 미학습 지형 및 보행 패턴으로 인한 분포 변화를 효과적으로 처리할 수 있음을 보여주며, 복잡한 실제 환경에서 작동하는 다족 로봇을 위한 고주파수의 신뢰할 수 있는 고유 수용성 피드백 솔루션이 될 수 있음을 시사한다.