복잡한 운동 동작을 재현하도록 훈련된 AI 로봇

카네기멜론 대학교와 엔비디아는 휴머노이드 로봇이 놀라운 민첩성으로 복잡한 운동 기술을 수행할 수 있도록 지원하는 획기적인 훈련 방법을 개척했습니다.크리스티아누 호날두 의 공중 회전을 코비 브라이언트의 상징적인 페이드 어웨이로 바꿔보세요.

그들의 프레임워크,시뮬레이션과 실제 물리 정렬(ASAP), 는 가상 훈련과 실제 실행 사이의 격차를 해소하여 기계로는 너무 복잡하다고 여겨지던 동작을 로봇이 마스터할 수 있도록 지원합니다.

그리고연구원들은 논문에서 다음과 같이 언급했습니다:

휴머노이드 로봇은 인간과 같은 전신 기술을 수행할 수 있는 독보적인 다재다능함의 잠재력을 가지고 있습니다. 하지만 시뮬레이션과 실제 세계 간의 역학 불일치로 인해 민첩하고 조율된 전신 동작을 구현하는 것은 여전히 중요한 과제로 남아 있습니다."

AI 로봇 학습에 관련된 복잡한 알고리즘

ASAP는 2단계 프로세스를 통해 시뮬레이션과 실제 물리학을 연결하는 문제를 해결합니다.

먼저 시뮬레이션에서 사람의 동작 데이터를 사용하여 모션 트래킹 정책을 사전 학습합니다.

그런 다음 이러한 정책을 실제 환경에 배포하여 데이터를 수집하여 움직임의 정확도를 개선합니다.

그 결과 다음과 같은 대표적인 운동 기술을 재현할 수 있는 휴머노이드 로봇이 탄생했습니다.호날두 르브론의 정확한 외다리 '사일런서'와 코비 브라이언트의 페이드어웨이 점프슛에 맞춰 180도 공중 '시우' 세레모니를 선보입니다.

Beyond스포츠 동작에서 로봇은 1미터가 넘는 전방 및 측면 점프를 수행하며 인상적인 민첩성을 보여주었습니다.

하드웨어의 한계로 인해 움직임이 여전히 어색해 보일 수 있지만, 시뮬레이션과 실제 물리 사이의 불일치를 보정하는 보정 메커니즘인 '델타 액션 모델' 덕분에 이전 휴머노이드보다 훨씬 더 민첩한 움직임을 구현할 수 있습니다.

이러한 혁신으로 추적 오류가 최대 52.7% 감소하여 민첩성과 전신 협응력이 크게 향상되었습니다.

연구진은 실제 응용 분야에서 더욱 다양한 휴머노이드 로봇의 길을 열 수 있는 잠재력을 강조했습니다:

우리의 접근 방식은 다양한 동적 동작에서 민첩성과 전신 조정력을 크게 향상시킵니다."라고 말합니다;

유체 민첩성은 로봇의 끊임없는 과제입니다.

로봇에서 인간과 같은 민첩성을 달성하는 것은 오랫동안 주요 과제였습니다.로봇 공학.

연구원들은 이렇게 썼습니다:

수십 년 동안 우리는 인간 수준의 민첩성을 달성하거나 심지어 이를 뛰어넘는 휴머노이드 로봇을 상상해 왔습니다. 그러나 대부분의 이전 연구는 주로 다리를 이동 수단으로 취급하여 이동성에 중점을 두었습니다;

ASAP는 시뮬레이션에서 이동 정책을 사전 학습하여 로봇이 실제 상황에 원활하게 적응할 수 있도록 함으로써 이 문제를 해결합니다.

으로인간의 생체 역학 모방 팔다리는 움직임, 균형, 균형추, 심지어 표정까지 동적으로 지원하는 기능을 합니다.

연구팀은 복잡한 기동을 실행할 때 발생하는 하드웨어 부담과 같은 한계를 최대한 빨리 개선하고 있습니다.

일부 모델은 복잡한 동작을 실행하는 동안 고장이 났다고 지적했습니다:

"향후 방향은 하드웨어 위험을 완화하기 위한 손상 인식 정책 아키텍처 개발에 초점을 맞출 수 있습니다."

향후에는 모션 캡처 시스템에 대한 의존도를 줄이고 적응성과 효율성을 높이기 위해 마커리스 포즈 추정과 온보드 센서 융합을 연구할 예정입니다.

이러한 발전으로 로봇이 올림픽에서 경쟁하고 우위를 점하기까지 얼마나 걸릴까요?