SLIM: 시뮬레이션으로 학습한 저가형 다리 달린 로봇 조작 시스템의 놀라운 성과

저렴한 하드웨어를 사용하여 시뮬레이션에서 학습한 다리 달린 로봇 조작 시스템 SLIM이 실제 환경에서 놀라운 성능을 보여주었습니다. 계층적 정책 설계, 점진적 탐색 학습, 시뮬레이션-실제 간 차이 최소화 기술 등을 통해 장기간 작업 성공률 80%를 달성하였으며, 전문가 수준의 원격 조작보다 빠른 속도를 기록했습니다. 이는 로봇 공학 발전에 중요한 진전으로, 다양한 분야에 긍정적인 영향을 미칠 것으로 기대됩니다.

최근, 하이차오 장(Haichao Zhang) 박사를 비롯한 연구팀이 개발한 SLIM(Sim-to-Real Legged Instructive Manipulation via Long-Horizon Visuomotor Learning) 시스템이 학계의 주목을 받고 있습니다. 이 시스템은 저렴한 하드웨어(Unitree Go1 사족보행 로봇, WidowX250S 팔, 단일 손목 장착 RGB 카메라)를 사용하여 장기간의 실제 세계 작업을 해결하는 놀라운 성능을 보여주었습니다.

SLIM의 핵심은 순수하게 시뮬레이션 환경에서 강화 학습을 통해 학습되었다는 점입니다. 이는 고가의 장비 없이도 실제 세계 문제 해결에 적용 가능한 로봇 시스템 개발의 가능성을 열었다는 점에서 매우 의미가 큽니다. 연구팀은 시각적 이동 조작을 위한 고차원 정책과 사족 보행 및 팔 제어를 위한 저차원 정책을 계층적으로 설계하여 이러한 성과를 달성했습니다. 더 나아가, 점진적 탐색 학습 방식을 통해 장기간 작업을 위한 교사 정책을 훈련하고, 이를 모방 기반 학습 정책에 활용하여 고차원 시각 운동 정책의 효율적인 훈련을 가능하게 했습니다.

SLIM은 '찾기, 이동, 잡기, 떨어뜨리기' 와 같은 장기간 작업에서 약 80%의 성공률을 달성했습니다. 이는 동일한 작업을 수행하는 전문가의 원격 조작 수준과 비슷하며, 속도 또한 1.5배가량 빠릅니다. 특히, 다양한 실내외 환경과 조명 조건에서도 원활한 시뮬레이션-실제 전이를 보여주는 점이 인상적입니다. 연구팀은 효율적인 강화 학습 훈련과 시뮬레이션-실제 전이를 가능하게 한 핵심 기술들을 자세히 설명하고, 각 기술의 효과를 분석한 결과도 제시했습니다.

이 연구는 저렴하고 효율적인 로봇 시스템 개발을 위한 새로운 패러다임을 제시하며, 향후 로봇 기술의 발전에 중요한 영향을 미칠 것으로 예상됩니다. 특히, 다양한 실제 환경에서의 로봇 활용 가능성을 높임으로써, 물류, 탐사, 서비스 등 다양한 분야에 긍정적인 영향을 줄 것으로 기대됩니다. 하지만, 시뮬레이션과 실제 환경 간의 차이를 완벽하게 해소하는 것은 여전히 과제로 남아있으며, 향후 연구를 통해 더욱 개선될 필요가 있습니다.