💻 computer science

Learning Social Robot Navigation By Sensing Human Legs

이 논문은 저위치 장착형 LiDAR 스캔으로부터 인간의 다리 움직임을 해석하기 위해 맞춤형 시뮬레이터에서 학습된 엔드 투 엔드 신경망 아키텍처인 CALF를 소개하며, 이를 통해 제로샷 실세계 배포를 통해 성공적으로 검증된 사회적 규범 준수 로봇 내비게이션을 가능하게 한다.

원저자: Alberto Vaglio, Andrea Garulli, Antonio Giannitrapani, Renato Quartullo, Tommaso Van Der Meer

게시일 2026-07-31

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Alberto Vaglio, Andrea Garulli, Antonio Giannitrapani, Renato Quartullo, Tommaso Van Der Meer

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

로봇이 새로운 이웃으로 등장하여 북적이는 도시의 보도를 항해하려는 세상을 상상해 보세요. 로봇이 안전하게 이동하려면 사람들이 어디에 있고 어떻게 움직이는지를 이해해야 합니다. 이것이 바로 사회적 로봇 내비게이션(Social Robot Navigation) 분야입니다. 이것은 마치 로봇에게 서투르게 부딪히는 기계가 아니라 예의 바른 댄스 파트너가 되는 법을 가르치는 것과 같습니다. 이를 위해 로봇은 보통 LiDAR라고 불리는 센서를 사용하는데, 이는 박쥐의 초음파처럼 보이지 않는 레이저 빔을 쏘아 세상을 매핑하는 역할을 합니다. 대부분의 로봇은 이 센서를 저렴하고 설치하기 쉬운 이유로 발목 근처인 낮은 곳에 장착합니다. 하지만 이 낮은 각도는 까다로운 문제를 만듭니다. 로봇이 사람의 전체 몸을 볼 수 없다는 점입니다. 로봇은 오직 앞뒤로 움직이는 다리만을 보게 됩니다.

오랫동안 과학자들은 사람을 단순히 떠다니는 원이나 디스크라고 가정함으로써 이 문제를 해결하려 노력했습니다. 이는 무용수들의 발 대신 떠다니는 풍선만을 보며 무도회장을 항해하려는 것과 같습니다. 조용한 방에서는 이 방식이 괜찮을 수 있지만, 붐비고 움직이는 군중 속에서는 걷기의 리듬을 이해하지 못하기 때문에 실패합니다. 로봇은 다리가 곧 앞으로 휘둘러질 것이라거나, 신발이 예상보다 더 튀어나올 수 있다는 것을 알지 못합니다. 이 논문은 바로 그 구체적인 간극을 다룹니다. 즉, 로봇이 다리만 볼 수 있을 때 어떻게 사람들과 함께 춤추는 법을 배울 수 있는가에 대한 문제입니다.

연구진은 LegNav라는 시뮬레이터를 구축하여 이 연구를 진행하며, 사람을 떠다니는 원으로 간주하는 것을 그만두기로 했습니다. 대신, 로봇이 저층 센서가 보는 그대로의 세상, 즉 두 개의 분리되어 움직이는 다리로 세상을 보도록 가르쳤습니다. 그들은 CALF(Convolutional Attention for Leg Features, 다리 특징을 위한 합성곱 주의 집중)라는 새로운 로봇의 '두뇌'를 만들었습니다. CALF를 매우 관찰력이 뛰어난 댄스 강사라고 생각할 수 있습니다. CALF는 단순히 사람의 일반적인 형태를 보는 것이 아니라, 다리의 특정한 리듬을 관찰합니다. 이는 시간의 흐름에 따른 레이저 스캔의 스택을 살펴보며, 다리가 가만히 서 있는 상태와 앞으로 휘둘러지는 상태 사이를 어떻게 교차하는지 포착하는 특수한 컴퓨터 비전 기술을 사용합니다.

이 로봇의 두뇌를 훈련시키기 위해, 과학자들은 단순히 사진을 보여주는 대신, 시행착오를 통해 배우는 방법인 **강화 학습(Reinforcement Learning)**을 사용하여 로봇을 가상 비디오 게임 속에 배치했습니다. 이 게임에서 로봇은 목적지에 도달하면 점수를 얻고, 누군가와 부딪히거나 움직임이 급격하면 점수를 잃습니다. 결정적으로, 그들은 로봇에게 특정 사회적 규칙인 "양보(Yielding)"를 가르쳤습니다. 만약 사람의 바로 앞에 있다면, 로봇은 마치 예의 바른 인간처럼 멈춰서 기다려야 합니다. 그들은 심지 가상 공간의 사람들이 얼음 위를 미끄러지듯 걷는 것이 아니라 실제로 발을 단단히 디디고 휘두르도록 하는 "논슬립 게이트(Non-Slip Gait)" 모델까지 만들어 실제 인간의 걸음걸이를 모방했습니다. 발 움직임의 아주 작은 디테일에 주의를 기울인 것이 바로 이 비법이었습니다.

실험 결과는 상당히 놀라웠습니다. 연구진이 사람을 단순한 원으로 취급했던 기존 방식과 이 새로운 CALF 로봇을 비교 테스트했을 때, 그 차이는 극명했습니다. 기존의 "원" 기반 로봇들은 서툴렀습니다. 그들은 발이 어디에 놓일지 예측하지 못해 사람과 충돌하거나 갇히곤 했습니다. 그러나 CALF 로봇은 매끄럽게 항해하는 법을 배웠습니다. 시뮬레이션에서 이 로봇은 약 **95%**의 확률로 목표에 도달하면서도, 능동적 충돌(로봇이 사람과 부딪히는 경우)은 단 **3.3%**로 매우 낮게 유지했습니다. 또한 로봇은 필요한 경우 멈춰서 기다리는 법을 배웠으며, 보행자를 위해 멈추는 "양보 점수(Yielding Score)"에서 **32.4%**를 달 기록했습니다.

아마도 가장 흥兴奋되는 부분은 이것이 단순한 컴퓨터 게임의 승리가 아니었다는 점입니다. 연구진은 가장 성능이 좋은 버전의 로봇 두뇌를 가져와 추가적인 조정 없이 실물 로봇인 TurtleBot 4에 탑재했습니다. 그들은 로봇을 실제 사람들이 걷고 있는 실제 방 안으로 보냈습니다. 로봇은 사람의 다리만을 보면서도 군중 사이를 성공적으로 항해했고, 사람들이 지나갈 수 있도록 멈추거나 그들 사이를 안전하게 이동했습니다. 이는 사람들이 단순한 덩어리가 아닌 다리의 특정한 리드미컬한 움직임에 주목함으로써, 로봇이 우리의 바쁜 세상에서 훨씬 더 안전하고 예의 바른 동반자가 될 수 있음을 시사합니다. 이 논문은 만약 당신이 로봇이 당신과 함께 걷기를 원한다면, 로봇에게 당신의 발을 관찰하도록 가르쳐야 한다는 것을 보여줍니다.

기술 요약: 인간의 다리 감지를 통한 사회적 로봇 내비게이션 학습

문제 정의
인구 밀집 환경에서 이동 로봇의 사회적 내비게이션은 센서의 물리적 실체와 알고리즘 모델링 사이의 결정적인 간극에 직면해 있다. 대부분의 모바일 로봇은 지면에서 10~20cm 높이에 장착된 2D LiDAR 센서를 사용한다. 이 "발목 높이"에서 센서는 보행자를 하나의 통합된 원통형 신체나 원판으로 인식하는 것이 아니라, 두 개의 작고 독립적으로 움직이는 점 클러스터(두 개의 다리)로 감지한다. 또한, 표준 LiDAR 빔은 스캔 평면 아래로 돌출된 신발을 놓치는 경우가 많아, 발목 앞쪽으로 확장되는 장애물에 대한 사각지대를 생성한다.

이러한 물리적 실체에도 불구하고, 대다수의 학습 기반 내비게이션 방법은 보행자를 단순한 원형 에이전트로 근사하며 다리의 역학이나 발의 기하학적 구조를 무시한다. 이러한 단순화는 디스크 기반 모델로 훈련된 정책이 발목 높이 센서에서 관찰되는 특유의 폐쇄(occlusion) 및 운동 패턴을 반영하지 못하게 함으로써 "심 투 리얼(sim-to-real)" 간극을 만든다. 또한, 기존 방식들은 계산 비용이 많이 들고 실제 배포 시 실패하기 쉬운 명시적 보행자 추적 및 궤적 예측에 의존하거나, 양보(yielding)와 같은 사회적 규범을 명시적으로 강제하지 못한다.

본 논문은 명시적인 보행자 탐지나 추적 없이 원시 LiDAR 스캔을 직접 안전한 내비게이션 명령으로 해석하도록 설계된 엔드투엔드 신경망 아키텍처인 **CALF (Convolutional Attention for Leg Features)**를 제안한다.

방법론
저자들은 CALF를 훈련시키기 위해 JAX를 사용하여 고성능 GPU 실행이 가능한 커스텀 경량 2D 시뮬레이터인 LegNav를 개발했다. LegNav는 세 가지 핵심 구성 요소를 통합한다:

논슬립 게이트(Non-Slip Gait, NSG) 모델: 인간을 단일 디스크가 아닌 직사각형 발자국을 가진 두 개의 교대하는 발로 표현하는 새로운 보행 역학 모델이다. 이 모델은 걷는 과정에서의 "지지(stance)"와 "스윙(swing)" 단계를 명시적으로 시뮬레이션하여, 지지하는 발을 고정하고 스윙하는 발이 동적인 목표를 향해 보간되도록 한다. 이는 교차하는 다리 클러스터와 LiDAR에 보이지 않는 신발의 돌출부를 재현한다.
LiDAR 레이 트레이싱(Ray Tracing): 시뮬레이터는 개별 다리 디스크와 신발 직사각형에 대해 레이 트레이싱을 수행하여, 발목 높이 LiDAR의 특유의 "두 클러스터" 시그니처를 모방하는 원시 센서 데이터를 생성한다.
인간 역학: 보행자의 움직임은 헤디드 소셜 포스 모델(Headed Social Force Model, HSFM)에 의해 제어되며, 이는 신체의 방향과 속도를 분리하여 비홀로노믹(non-holonomic)한 현실적인 인간의 움직임을 시뮬레이션한다.

CALF 아키텍처:
CALF는 다음이 결합된 하이브리드 엔드투엔드 네트워크이다:

1D-CNN 인코더: $N$ 개의 LiDAR 프레임 템포럴 스택을 처리하여 다리 관련 특징을 추출하는 가중치 공유 컨볼루션 인코더.
템포럴 셀프 어텐션(Temporal Self-Attention): 다중 헤드 어텐션 모듈이 특징 토큰의 시퀀스를 처리하여, 명시적인 추적 없이도 시간 경과에 따른 다리 움직임과 환경 역학을 암시적으로 추론한다.
MLP 퓨전(MLP Fusion): 시공간적 LiDAR 특징을 로봇의 운동학적 상태 및 목표 벡터와 융합하여 MLP를 통해 처리한 후 Actor-Critic 헤드로 전달한다.

훈련 프레임워크:
정책은 세 가지 알고리즘인 PPO(on-policy), SAC(entropy가 포함된 off-policy), TQC(distributional off-policy)를 사용하여 심층 강화 학습(DRL)으로 훈련된다.

보상 형성(Reward Shaping): 보상 함수는 내비게이션 효율성(진행도, 속도)과 사회적 준수 사이의 균형을 맞춘다. 결정적으로, 보행자가 전방 양보 구역에 진입했을 때 로봇이 멈추도록 명시적으로 유도하는 새로운 **양보 보상(Yielding Reward)**이 도입되었다.
커리큘럼 학습(Curriculum Learning): 훈련은 단순한 시나리오에서 시작하여 에이전트의 성공률에 따라 복잡한 군중 역학(예: 병목 현상, 교차로)을 점진적으로 해제한다.
고스트 모드(Ghost Mode): 훈련 중 보행자는 로봇을 인지하지 못하며(고스트 모드), 이를 통해 정책이 능동적인 회피를 학습하도록 강제한다. 평가 시에는 고스트 모드를 비활성화하여 실제 상호작용을 시뮬레이션한다.

주요 기여

CALF 아키텍처: 2D LiDAR 데이터로부터 교차하는 다리 특징을 처리하기 위해 특별히 설계된 새로운 하이브리드 엔드투엔드 네트워크(1D-CNN + Attention + MLP).
논슬립 게이트(NSG) 모델: 인간의 보행 역학 및 특정 센서 수준의 폐쇄 효과(신발 돌출, 교차하는 다리 클러스터)를 정확하게 재현하는 시뮬레이션 모델.
LegNav 시뮬레이터: 수천 개의 병렬 환경을 실행할 수 있는 JAX 기반의 고처리량 2D 시뮬레이터로, 단일 소비자용 GPU에서 1시간 미만으로 배포 가능한 정책 훈련을 가능하게 한다.
명시적 사회적 준수: 자연스럽게 나타나기를 기다리는 대신, 사회적으로 준수하는 행동(정지/대기)을 명시적으로 강제하기 위한 양보 보상 메커니즘과 "양보 점수(Yielding Score)" 지표의 도입.

실험 결과
저자들은 미학습 테스트 시나리오에서 CALF를 클래식 모델 기반 플래너(DWA, MPPI) 및 다른 엔드투엔드 RL 베이스라인(TAGD, VanillaE2E)과 비교 평가했다.

알고리즘 비교: DRL 알고리즘 중에서 PPO가 가장 좋은 균형을 달성하여, 학습 기반 방법 중 가장 낮은 활성 충돌률(3.3%)과 함께 95.1%의 성공률에 도달했다. 또한 가장 매끄러운 궤적(최저 각속도 저크)을 생성하고 높은 공간 준수성을 유지했다. SAC와 TQC는 더 빠르게 수렴했으나 최종 성능의 샘플 효율성이 낮거나 더 높은 충돌률을 보였다.
절제 연구(Ablation Study - 다리 vs. 디스크): NSG 다리 모델을 표준 디스크 근사 모델로 교체했을 때(CALF $_{PPO}$ (discs)), 성능이 급격히 저하되어 활성 충돌률이 3.3%에서 **24.5%**로 급증하고 성공률은 73.1%로 떨어졌다. 디스크 기반 정책은 공격적으로 학습되었고 양보에 실패했으며, 이는 다리 역학을 모델링하는 것이 안전에 결정적임을 확인시켜 준다.
베이스라인과의 비교: CALF $_{PPO}$ 는 성공률과 효율성 측면에서 클래식 플래너(DWA, MPPI)를 능가하면서도 대등한 안전성을 유지했다. 종종 "얼어붙는(freeze)" 현상(높은 양보 점수와 높은 타임아웃 발생률)을 보이는 DWA와 달리, CALF는 필요할 때 멈추고 효율적으로 다시 움직였다. 또한 안전성과 동작 매끄러움 측면에서 다른 RL 베이스라인(TAGD, VanillaE2E)보다 우수한 성능을 보였다.
제로샷 실세계 배포: 최적의 정책(CALF $_{PPO}$ )은 미세 조정 없이 발목 높이 LiDAR가 장착된 TurtleBot 4에 배포되었다. 로봇은 5~6명의 인간 참가자가 있는 실내 환경을 성공적으로 항해하며, 선제적인 회피와 준수적인 양보 행동을 보여주었다.

의의
본 논문은 이 연구의 주요 동기가 이상적인 시뮬레이션(디스크 기반 보행자)과 실제 물리적 센서 기하학(교차하는 다리 클러스터) 사이의 불일치를 극복하는 데 있다고 주장한다. 결과는 센서 수준에서 분절된 다리 역학을 시뮬레이션하는 것이 sim-to-real 간극을 줄이는 핵심 요소임을 입증한다.

저자들은 자신들의 접근 방식이 작업 성능, 안전성, 사회적 준수 사이의 최적의 절충점을 달성하며, 클래식 플래너가 지나치게 보수적이거나(정지) 기존 학습 기반 방법이 처리량을 위해 안전성을 희생하는 흔한 딜레마를 해결한다고 주장한다. 성공적인 제로샷 배포는 고충실도의 다리 인식 시뮬레이션 훈련이 도메인 적응 없이도 실세계의 물리적 제약에 일반화될 수 있음을 검증한다.

유사한 논문