Stay Seated: Learning Omnidirectional Humanoid Locomotion on a Passive Mobile Chair with Casters
본 논문은 표준 속도 추적 환경을 특화된 보상 및 접촉 설정으로 확장함으로써, 휴머노이드 로봇이 수동 이동 의자 위에서 강건한 제로샷 심투리얼(zero-shot sim-to-real) 전방향 좌식 보행을 달j성할 수 있게 하는 강화 학습 프레임워크를 제시하며, 발 미끄러짐 정규화(foot-slip regularization)를 대칭성 또는 커리큘럼 학습과 결합하는 것이 에너지 효율과 추적 성능 사이의 균형을 효과적으로 조절함을 입증한다.
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
인간처럼 책상 앞에 앉아 업무를 수행할 수 있는 로봇을 상상해 보십시오. 수년 동안 엔지니어들은 로봇에게 두 다리로 걷는 법을 가르쳐 왔지만, 가만히 서 있는 것은 지속적인 에너지를 필요로 합니다. 로봇의 모터는 중력에 맞서 균형을 유지하기 위해 열심히 작동해야 하며, 이 과정에서 열이 발생하고 전력이 소모됩니다. 반면 인간은 긴 작업을 위한 더 간단한 해결책을 가지고 있습니다. 바로 앉는 것입니다. 의자에 체중을 실음으로써 우리는 근육을 자유롭게 하고, 일어서지 않고도 사무실 안에서 자유롭게 움직일 수 있습니다. 이러한 단순한 관찰은 로봇 연구자들에게 새로운 질문을 던졌습니다. 휴머노이드 로봇이 바퀴 달린 의자를 이용해 앉은 상태에서 자신의 발로 바닥을 밀어 앞, 뒤, 옆으로 스스로를 추진하며 이동하는 법을 배울 수 있을까?
연구팀은 수동형 이동 의자에 앉은 상태로 항법을 수행하도록 로봇을 가르침으로써 이 질문에 답하고자 했습니다. 스스로 움직이는 자율주행 휠체어와 달리, 이 의자에는 모터가 없습니다. 이는 단순히 바퀴가 달린 좌석일 뿐입니다. 움직이기 위해서 로봇은 발을 이용해 바닥을 밀어 자신과 의자를 모든 방향으로 추진시켜야 합니다. 이 과제는 복잡합니다. 로봇이 몸을 의자에 단순히 고정할 수 없기 때문입니다. 로봇은 엉덩이를 의자에 접촉시킨 상태를 유지하면서도, 움직임을 생성하기 위해 발이 지면에 접지되도록 하는 섬세하고 변화무쌍한 균형을 유지해야 합니다. 만약 로봇이 의자와의 접촉을 놓치거나 너무 많이 미끄러지면 임무는 실패합니다.
이를 해결하기 위해 연구진은 심층 강화 학습(deep reinforcement learning)이라는 방법을 사용했습니다. 이는 컴퓨터 프로그램이 가상 세계에서 시행착오를 거치며 배우는 과정입니다. 연구진은 서 있는 로봇을 위해 설계된 표준 훈련 환경에서 시작하여, 이를 앉은 시나리오를 포함하도록 수정했습니다. 그들은 로봇에게 인간이 움직이는 영상을 보여주거나 어떻게 걸어야 하는지에 대한 미리 작성된 지침을 주지 않았습니다. 대신, 로고에게 목표 속도와 방향만을 알려주고 나머지는 스스로 알아내도록 했습니다. 로봇의 '두뇌'는 의자나 바닥을 느낄 수 있는 특수한 센서 없이, 오직 자신의 몸 위치와 주어진 명령에 대한 기본적인 정보만을 받았습니다.
연구진은 학습 과정을 안내하는 몇 가지 다른 방법들을 테스트했습니다. 그들은 발의 움직임에 대한 특정 규칙이나 왼발과 오른발을 다루는 방식에 대한 규칙을 추가하는 것이 도움이 될지 알고 싶었습니다. 한 규칙은 발이 바닥에서 미끄러질 경우 벌점을 부여했는데, 이는 로봇이 더 부드러운 움직임을 유도하기 위함이었습니다. 또 다른 규칙은 로봇이 양쪽 다리를 균등하게 사용하도록 권장했고, 세 번째 규칙은 쉬운 느린 명령부터 시작하여 점진적으로 난이도를 높이는 방식이었습니다.
결과는 로봇이 어떻게 학습하는지에 대한 놀라운 진실을 드러냈습니다. 연구진이 미끄러짐 방지 규칙만을 사용했을 때, 로봇은 기이한 방식으로 실패하곤 했습니다. 앞으로 나아가려고 노력하는 대신, 일부 버전의 로봇은 대각선 이동 명령을 무시한 채 완벽하게 가만히 멈춰 있는 상태를 유지하며 포기해 버렸습니다. 이는 미끄러짐은 피했지만 실제 과제는 수행하지 못한 '지역적 함정(local trap)'에 빠진 해결책이었습니다. 그러나 연구진이 미끄러짐 방지 규칙을 대칭 규칙이나 난이도 점진 규칙과 결합했을 때, 로봇은 성공적으로 학습했습니다. 로봇은 갇히지 않고 모든 방향으로 스스로를 추진하는 법을 터득했습니다.
가장 효과적인 접근법은 속도를 점진적으로 높이는 것과 균형 잡힌 다리 움직임을 권장하는 규칙을 결합한 것이었습니다. 이 조합을 통해 로즘은 높은 정밀도로 명령을 추적할 수 있었으며, 종종 서서 걷도록 훈련받은 유사한 로봇보다 더 나은 성능을 보였습니다. 연구진은 로봇의 움직임을 정밀하게 분석하여 이동 방향에 따라 다리 사용 방식이 달라진다는 것을 발견했습니다. 뒤로 가거나 옆으로 이동할 때, 로봇은 한쪽 발을 단단히 딛고 무릎을 펴서 의자를 밀어냈습니다. 반대로 앞으로 갈 때는 그 반대로 행동했습니다. 발이 땅에 닿은 후 무릎을 굽혀 자신과 의자를 발 쪽으로 끌어당겼습니다.
이러한 움직임의 차이는 에너지 효율에 직접적인 영향을 미쳤습니다. 로봇은 뒤로 이동할 때 가장 효율적이었고, 그다음은 옆으로 이동할 때였습니다. 앞으로 이동하는 것이 가장 많은 에너지를 소모하는 작업이었으며, 고속 이동 시 옆으로 이동할 때보다 약 두 배의 노력이 필요했습니다. 이는 앞으로 가는 동작이 발이 닿은 후 무릎을 굽히는 동작에 의존하기 때문에 더 많은 마찰을 생성하고 속도를 유지하기 위해 더 큰 힘을 필요로 했기 때문으로 보입니다.
연구는 시뮬레이션에서 훈련된 컴퓨터 프로그램을 추가적인 조정 없이 물리적 로봇에 직접 설치하여 성공적인 실세계 테스트로 마무리되었습니다. 실제 의자에 앉은 로봇은 가상 훈련에서 그랬던 것처럼 즉시 앞, 뒤, 옆으로 움직이고 회전까지 할 수 있었습니다. 로봇은 오직 내부 센서만을 사용하여 의자를 느끼거나 바닥을 감지하지 않고도 자리에 앉은 상태를 유지하며 명령을 따랐습니다. 이 연구는 로봇이 의자를 보거나 바닥을 느낄 필요 없이 복잡한 좌식 환경을 항해하는 법을 배울 수 있음을 입증했습니다. 이 작업은 로봇이 곧 우리와 함께 책상에 앉아, 앉은 상태를 유지하면서 도구를 집거나 위치를 조정하기 위해 움직이며 에너지를 절약하고 매우 인간적인 방식으로 일하는 모습을 보여줍니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.