Dual-Level Humanoid Whole-Body Controller
이 논문은 차원의 저주 문제를 극복하기 위해 상체와 하체 제어를 분리하고, 리타겟팅된 인간 동작 데이터를 활용하여 학습된 하이브리드 지도 학습 및 강화 학습 방식을 사용하여 시뮬레이션과 실제 환경 모두에서 견고하고 다재다능한 성능을 달성하는 휴머노이드 로봇용 이중 레벨 전신 제어기인 Jaeger를 소개한다.
원본 논문은 CC BY 4.0 (https://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
휴머노이드 로봇은 오랫동안 과학 소설의 꿈이었으며, 우리처럼 보이고 움직이며 계단을 오르고, 문을 열고, 도구를 다룰 수 있는 기계들을 의미해 왔습니다. 이러한 로봇이 진정으로 유용해지려면 전신 제어(whole-body control)를 마스터해야 하는데, 이는 기계가 물체를 잡거나 걷거나 운반하는 동안 넘어지지 않도록 수십 개의 관절을 동시에 조절하며 균형을 잡는 복잡한 과정입니다. 문제는 움직이는 부품의 수가 매우 많다는 점에 있습니다. 로봇의 팔과 다리는 서로 상충하는 요구를 가질 때가 많은데, 예를 들어 팔은 컵을 잡기 위해 격렬하게 휘둘러져야 하는 반면, 다리는 넘어지지 않도록 완벽하게 안정된 상태를 유지해야 합니다. 전통적인 방식은 이 모든 움직이는 부품을 한꺼번에 관리하도록 단일 컴퓨터 프로그램을 가르치는 데 어려움을 겪는 경우가 많았으며, 이로 인해 로봇의 움직임이 뻣뻣하거나 불안정해지거나, 현실 세계의 예측 불가능한 상황을 만났을 때 실패하기 쉬웠습니다.
베이징 인공지능 아카데미(Beijing Academy of Artificial Intelligence)의 연구진은 이 문제에 대한 새로운 접근법을 개발하여, JAEGER라고 불리는 제어 시스템을 만들었습니다. 하나의 뇌가 로봇 전체를 관리하도록 강요하는 대신, 그들은 인간의 뇌가 걷는 리듬을 관리하면서 동시에 손의 섬세한 작업에 집중하는 것과 유사하게, 작업을 두 개의 뚜렷한 역할로 나누었습니다. 이 이중 수준 시스템은 로봇의 하체에 지면에서의 균형과 이동을 담당하는 하나의 컨트롤러를 할당하고, 상체에는 물체를 잡고 조작하는 데 전념하는 독립적인 두 번째 컨트롤러를 할당합니다. 이러한 역할을 분리함으로써, 연구진은 각 부분이 서로 방해받지 않고 자신의 특정 작업에 집중할 수 있도록 하여 로봇을 더 효과적으로 훈련할 수 있음을 발견했습니다.
연구진은 이 시스템을 두 종류의 휴머노이드 로봇인 H1과 H1-2에 테스트하였으며, 실제 환경으로 옮겨오기 전에 시뮬레이션 환경에서 수천 번의 훈련 세션을 수행했습니다. 그들은 로봇에게 옆으로 걷기, 앞으로 걷기부터 몸통과 사지 사이의 정밀한 협응이 필요한 복잡한 댄스 동작에 이르기까지 다양한 과업을 수행하도록 가르쳤습니다. 한 시연에서는 로봇이 조이스틱과 가상 현실 인터페이스를 사용하여 움직이는 동안 인형에 접근하여 잡았는데, 이때 하체 컨트롤러는 안정성을 유지하고 상체 컨트롤러는 팔을 안내했습니다. 또 다른 시연에서 로봇은 무게 중심을 옮기고 사지를 유연한 순서로 움직이는 일련의 댄스 동작을 수행했으며, 이는 두 컨트롤러가 조화롭게 작동해야 하는 작업이었습니다.
이것을 구현하기 위해 연구진은 어려운 데이터 문제, 즉 실제 사람으로부터 기록된 인간의 움직임을 로봇이 따를 수 있는 명령으로 어떻게 변환할 것인가라는 문제를 해결해야 했습니다. 인간의 신체와 로봇의 신체는 다르게 설계되어 있습니다. 인간은 기계와 다른 수의 관절과 가동 범위를 가지고 있습니다. 연구진은 인간의 포즈를 로봇의 골격에 매핑하는 빠르고 효율적인 시스템을 만들어, 움직임이 자연스럽고 기계로서 물리적으로 가능하다는 것을 보장했습니다. 그런 다음 단계별 훈련 방법을 사용하여, 먼저 로봇이 스스로 걷고 균형을 잡는 법을 가르친 다음, 점진적으로 상체 과업을 도입했습니다. 이 접근 방식은 로봇이 학습 과정 중에 혼란을 겪거나 불안정해지는 것을 방지하여, 로봇이 견고하고 다재다능한 솔루션에 도달할 수 있게 했습니다.
실험 결과, 이 분리 제어 전략은 이전 방식들보다 훨씬 더 효과적이라는 것이 밝혀졌습니다. 특정 속도로 이동하거나 특정 자세를 유지하라는 명령을 얼마나 잘 따르는지 테스트했을 때, 새로운 시스템은 기존의 주요 대안들보다 오류가 적었습니다. 예를 들어, 특정 속도를 추적하며 이동하라는 요청을 받았을 때, 새 시스템을 사용한 로봇은 전진 속도에서 약 0.15m/s의 오차만을 보였는데, 이는 경로를 유지하는 데 어려움을 겪었던 다른 방법들과 비교해 눈에 띄는 개선입니다. 마찬가지로, 복잡한 포즈를 모방하도록 요청되었을 때, 로봇의 관절은 의도된 위치와 실제 위치 사이의 차이를 다른 시스템들이 달성한 것의 극히 일부로 줄이며 훨씬 더 높은 정밀도로 움직였습니다.
연구진은 또한 두 컨트롤러를 분리된 상태로 유지하는 것이 로봇의 안정성에 결정적이라는 사실을 발견했습니다. 두 컨트롤러를 사용하여 전체 몸을 관리하려고 시도했을 때, 로봇은 종종 움직임을 위해 균형을 희생하거나 그 반대의 경우가 발생하여 복잡한 과업 수행 시 동작이 끊기거나 실패하곤 했습니다. 시스템을 분리함으로써, 상체가 문제에 직면하더라도 하체가 효과적으로 계속 기능할 수 있었고, 상체는 걷기의 메커니즘을 걱정하지 않고 오로지 당면한 작업에만 집중할 수 있었습니다. 이 설계는 또한 시스템이 단일하고 거대한 제어 네트워크에 의해 얽매이지 않고 인간의 동작 데이터로부터 학습할 수 있게 함으로써 훈련 과정을 더 빠르고 신뢰성 있게 만들었습니다 правильно.
최종 테스트에서 로봇들은 놀라운 회복력을 보여주었습니다. 연구진이 최대 210뉴턴의 힘에 해당하는 측면력을 가했을 때, 로봇은 90퍼센트 이상의 시행에서 균형을 유지하거나 비틀거림으로부터 회복할 수 있었습니다. 이러한 탄력성은 이 시스템이 단순한 이론적 성공이 아니라 현실 세계의 응용을 위한 실질적인 해결책임을 시사합니다. 연구진은 이 방법이 고주파 업데이트를 가능하게 한다는 점에 주목했는데, 이는 원격 수술이나 섬세한 조작과 같은 저지연 과업에 필요한 속도인 초당 1,000번 이상의 움직임 조절을 의미합니다.
이 연구가 로봇 공학의 모든 문제를 해결했다고 주장하는 것은 아니지만, 휴머노이드 로봇을 더 유능하고 신뢰할 수 있게 만드는 명확한 길을 제시합니다. 복잡한 전신 제어 과업을 관리 가능하고 전문화된 부분으로 나눔으로써, 연구진은 로봇이 이전에는 달성하기 어려웠던 수준의 유연성과 적응력을 가지고 움직이는 법을 배울 수 있음을 보여주었습니다. JAEGER의 성공은 휴머노이드 로봇의 미래가 단일하고 모든 것을 아는 뇌를 만드는 것이 아니라, 기계의 서로 다른 부분들이 공통의 목표를 달 {}\text{기 위해 각자 가장 잘하는 일을 하며 협력하는 시스템을 만드는 것}에 달려 있을 수 있음을 시사합니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.