도쿄대, 1.5kg 팔 단 소형 4족 로봇으로 험지 집기 40회 중 32회 성공
도쿄대 프리프린트에 따르면 1.5kg 맞춤형 로봇팔을 단 유니트리 Go1 로봇개가 다리와 팔을 하나의 학습 제어기로 움직여 모래주머니 지면과 옆걸음 계단 하강을 지난 뒤 말로 지정한 물체를 실제 시험 40회 중 32회(80%) 집었다. 시뮬레이션에서는 팔 동작 4096회 중 실패가 2회였고, 기존 분리형 제어기는 최대 13.77%가 실패했다.
가반하중이 작은 소형 4족 로봇의 다리와 팔을 강화학습 정책 하나로 제어해, 경사로나 계단, 무른 지면에서 몸체가 흔들려도 그리퍼 자세를 작업에 맞게 유지할 수 있는가를 묻는다.
소형 4족 로봇에서 팔은 가반하중의 상당 부분을 차지하고 움직이는 하중이 된다. 지면 충격은 몸체를 거쳐 그리퍼로 전달되고, 팔을 뻗기 좋은 자세는 보행 균형을 해칠 수 있다. 보행과 팔 동작을 따로 제어하는 방식은 지면이 거칠수록 성능이 떨어진다.
기존 시스템은 전신 최적화, 보행 제어기 위에 역기구학 팔 추종기를 얹는 계층형 구조, 또는 학습형 전신 정책을 썼다. 대부분 평지나 경사로, 완만한 야외에서 시연됐다. 논문 비교표에 따르면 플랫폼 무게는 약 14.8kg에서 약 90kg이며, 계단이나 장애물 통과 중 조작을 보고한 사례는 19.9kg의 MLM 하나뿐이다.
연구진은 유니트리 Go1에 도달 거리 60cm 이상인 1.5kg 경량 팔을 달아 13.5kg 시스템을 만들고, Isaac Lab에서 우선순위가 있는 정책 하나를 학습시켰다. 몸체 자세와 접촉이 1순위, 보행이 2순위, 조작이 3순위다. 그리퍼 방향은 중력 기준으로, 위치 목표는 몸체 좌표계로 표현하는 혼합 방식을 써서 몸체가 움직여도 목표에 닿을 수 있게 했다. 학습 중 최대 0.5kg 화물과 외력을 무작위로 줬다. 실제 로봇에서는 엔비디아 젯슨 자비에 NX에서 49.9Hz로 돌고 추론 1.53ms, 센서에서 명령까지 지연 2.76ms다. 목표 물체는 Grounding DINO와 깊이 센서가 텍스트 명령으로 찾는다.
시뮬레이션에서 팔을 초속 0.4m와 0.8m로, 화물 0.2kg와 0.5kg를 달고 옆으로 반복 이동시킨 시험에서 분리형 제어기(보행 제어와 역기구학 팔)는 느리고 가벼운 조건 8.50%, 빠르고 무거운 조건 13.77% 실패했고 그리퍼 RMSE는 0.070m에서 0.108m로 커졌다. 전신 정책은 4096회 중 2회(0.05%, MEKAWIRE 계산) 실패했고 RMSE는 0.057~0.069m였다. 지형 난도 전반에서 몸체 오차, 그리퍼 오차, 액추에이터 과부하 노출도 분리형보다 낮았다. 실제 로봇은 30도 경사로와 10cm 계단을 그리퍼를 거의 수평으로 유지한 채 통과했다. 언어 지시 집기에서는 모래주머니와 스펀지 지면 20회 중 17회, 옆걸음 계단 하강 20회 중 15회, 합계 40회 중 32회 성공했다. 실패 8회는 넘어짐 2회, 투명 물체 위치 오인 4회, 테이블 충돌 1회, 집은 물체 놓침 1회였다.
프리프린트다. 실제 로봇에서 내장 MPC 제어기와의 비교는 정성적이고, 80% 집기 성공률에는 같은 코스의 기준선이 없다. 실패의 절반은 투명 물체 인식 문제로 제어기로는 해결할 수 없다. 구형 Go1과 맞춤형 팔을 썼고 0.5kg 넘는 화물은 학습하지 않았으며, 3kg 팔은 시뮬레이션에서 과부하를 늘려 상용 팔로 옮길 때 결과가 달라질 수 있다.
점검과 순찰 로봇은 걸어 다니는 카메라에서 문을 열고 물건을 나르고 집는 다리형 로봇으로 옮겨가고 있다. 이번 결과는 대형 4족에 무거운 팔을 다는 대신 소형 4족에 가볍고 싼 팔을 다는 방향에 힘을 싣는다. 유니트리와 소형 로봇팔 업체, 그리고 천안시 보행로 순찰 실증처럼 4족 로봇을 공공 순찰과 시설 점검에 쓰려는 국내 지자체와 플랜트 운영사에 관련이 있다. 어려운 물체 인식이 개선된 뒤 2~3년 안에 상용화 단계에 들어설 가능성이 있다.
이 논문은 라이선스상 전문을 게재할 수 없어 요약과 원문 링크만 제공합니다.