FACET: 힘에 적응하는 지능형 로봇 제어 기술의 혁신

본 기사는 강화학습 기반의 힘 적응형 로봇 제어 기술인 FACET에 대해 소개합니다. 기존의 위치/속도 기반 제어의 한계를 극복하고, 가상 질량-스프링-댐퍼 시스템을 모방하여 외부 힘에 대한 로봇의 강건성과 컴플라이언스를 향상시킨 연구 결과를 소개합니다. 시뮬레이션 및 실제 로봇 실험을 통해 그 효과를 검증하고, 다양한 로봇 플랫폼에의 적용 가능성을 제시합니다.

힘에 적응하는 지능형 로봇 제어 기술의 혁신: FACET

최근 강화학습(Reinforcement Learning, RL)은 다양한 지형에서의 이동 및 복잡한 로코-매니퓰레이션(Loco-manipulation) 능력을 갖춘 다리 달린 로봇 제어 분야에서 괄목할 만한 발전을 이루었습니다. 하지만 일반적으로 사용되는 위치 또는 속도 기반 제어 방식은 로봇이 경험하는 힘에 무관심하여, 뻣뻣하고 위험한 동작을 유발하고 힘이 작용하는 상황에서 제어 성능이 저하되는 문제점이 있었습니다.

Xu Botian을 비롯한 연구팀은 이러한 한계를 극복하기 위해, 힘에 적응하는 임피던스 기준 추적을 통한 제어(FACET) 라는 새로운 기술을 개발했습니다. 임피던스 제어에서 영감을 얻어, 연구팀은 가상 질량-스프링-댐퍼 시스템을 모방하는 RL 기반 제어 정책을 학습시켰습니다. 이를 통해 가상 스프링을 조작하여 외부 힘 하에서도 미세한 제어가 가능해졌습니다.

시뮬레이션 결과, 4족 보행 로봇은 최대 200Ns의 큰 충격에도 향상된 강건성을 보였으며, 제어 가능한 컴플라이언스(Compliance)를 통해 충돌 충격을 80%까지 감소시켰습니다. 더 나아가, 실제 로봇에 정책을 적용하여 컴플라이언스와 최대 자체 무게의 2/3에 달하는 페이로드를 끌어올리는 능력을 보여주었습니다. 4족 보행 로코-매니퓰레이터와 휴머노이드 로봇으로 확장 적용한 결과, 본 방법이 더욱 복잡한 환경에서도 전신 컴플라이언스 제어가 가능함을 확인했습니다.

이 연구는 단순한 위치/속도 제어를 넘어, 힘 제어를 통해 로봇의 안전성과 작업 능력을 향상시킨 획기적인 성과입니다. 이는 로봇이 인간과 더욱 안전하고 효율적으로 상호 작용할 수 있는 가능성을 열어주는 중요한 발걸음입니다. 자세한 내용은 프로젝트 웹사이트를 참조하십시오. 🎉