출판 전 논문 공개사이트인 ‘아카이브(aRXiv)’에 논문 게재
UC 샌디에이고(UC San Diego) 연구팀이 고자유도 휴머노이드 로봇의 전신 제어를 위한 ‘적응형 동작 최적화(AMOㆍAdaptive Motion Optimization)’ 프레임워크를 개발했다고 밝혔다.
AMO는 휴머노이드 로봇의 다재다능한 능력과 적응력을 높일 수 있도록 해준다. 이 시스템은 ▲시뮬레이션 기반 강화 학습(sim-to-real reinforcement learning)과 ▲궤적 최적화(trajectory optimization, 로봇이 움직이는 경로를 효율적이고 안정적으로 만들기 위해 최적의 움직임을 계산하는 기법)를 통합하여, 실제 환경에서 실시간으로 적응형 전신 제어를 가능하게 한다.
샤오롱 왕(Xiaolong Wang) 교수 등 연구팀은 이번 연구 성과를 출판 전 논문 공개사이트인 ‘아카이브(arXiv)’에 게재했다.(논문 제목:AMO: Adaptive Motion Optimization for Hyper-Dexterous Humanoid Whole-Body Control). 다음달 21일(현지 시각)부터 25일까지 로스앤젤레스 남캘리포니아대에서 열리는 로봇 컨퍼런스인 ‘로보틱스 사이언스 앤 시스템즈(RSS) 2025’에서 발표할 예정이다.
AMO는 ▲심투리얼(Sim-to-Real) 강화학습과 궤적 최적화의 통합 ▲하이브리드 AMO 데이터셋 ▲실시간 적응형 전신 제어 등을 특징으로 한다.
'심투리얼(Sim-to-Real) 강화학습과 궤적 최적화의 통합'은 시뮬레이션 환경에서 강화학습을 통해 다양한 동작을 학습한 후, 이를 실제 로봇에 적용하기 위해 궤적 최적화를 통합 및 활용한다. 이러한 통합은 로봇이 실제 환경에서도 안정적이고 유연하게 동작할 수 있도록 해준다.
'하이브리드 AMO 데이터셋'은 실제 인간 동작 데이터와, 다양한 자세를 포함한 샘플링 데이터를 결합한 하이브리드 데이터셋을 의미한다. 이를 통해 로봇은 다양한 상황에 적응할 수 있는 능력을 갖추게 된다.
'실시간 적응형 전신 제어'는 로봇의 전신을 동시에 제어하여 복잡한 작업을 수행할 수 있도록 지원한다. 로봇은 물건을 집거나 균형을 유지하는 등 작업을 수행하면서도, 새로운 명령이나 환경 변화에 실시간으로 적응할 수 있다.
연구팀은 29 자유도의 유니트리 휴머노이드 로봇 'G1'을 활용해 AMO 프레임워크의 성능을 검증했다. 연구팀이 공개한 동영상에 따르면, 로봇은 사용자는 'AMO 텔레오퍼레이션 인터페이스'를 지원하는 VR 헤드마운트 장비를 착용하고, 냉장고 문 열기, 신발장 정리하기, 세면대 청소, 주방 정리 등 다양한 동작을 자연스럽게 실행한다.
연구팀은 AMO가 기존 방법에 비해 뛰어난 안정성, 확장된 작업 공간 및 강력한 적응성을 구현할 수 있다고 밝혔다. 연구팀은 이 프레임워크가 시뮬레이션과 실제 환경 간의 격차를 줄이고, 다양한 작업에 적응할 수 있는 능력을 갖춘 로봇 제어 시스템을 구현함으로써, 향후 가정용 로봇, 서비스 로봇, 구조 로봇 등의 개발에 기여할 것으로 기대하고 있다.