중국 국방과학기술대학과 가전 제조업체인 미디어 그룹의 연구팀은 로봇공학의 가장 어려운 과제 중 하나인 수천 건의 값비싼 시연에 의존하지 않고도 인간형 로봇이 인간처럼 움직이는 법을 가르치는 것을 목표로 하고 있습니다.
이러한 문제를 해결하기 위해 연구팀은 지난주 발표된 연구 논문 에서 HumanoidExo를 소개했습니다 . 이 가벼운 웨어러블 슈트는 사람의 전신 동작(팔, 몸통, 다리)을 기록하고 로봇 학습을 위한 구조화된 데이터로 변환합니다.
테스트 결과, 데이터를 기반으로 훈련된 Unitree G1 휴머노이드 로봇은 몇 가지 사례에만 노출된 후에도 복잡한 조작 작업을 수행하고 걷는 법을 배웠습니다.
연구진은 "인간형 정책 학습에서 가장 큰 병목 현상은 대규모의 다양한 데이터 세트를 수집하는 것인데, 신뢰할 수 있는 실제 데이터를 수집하는 것은 여전히 어렵고 비용도 많이 들기 때문이다"라고 기술했습니다.
휴머노이드 로봇은 훈련 데이터가 비디오나 시뮬레이션에서 나오기 때문에 인간의 동작을 일반화하는 데 실패하는 경우가 많습니다. HumanoidExo는 실제 관절 공간 동작을 포착하여 이러한 문제를 해결합니다.
이 슈트는 인간의 팔 관절 7개를 로봇의 구성에 직접 매핑하고, 손목에 관성 센서를 사용하며, 등에 LiDAR 장치를 추가하여 착용자의 몸통과 키를 추적합니다.
해당 동작 스트림은 HumanoidExo-VLA라는 이중 계층 AI 시스템으로 공급됩니다. 이 시스템은 작업을 해석하는 시각-언어-행동 모델이고, 움직이는 동안 균형을 유지하는 강화 학습 컨트롤러입니다.
연구진은 유니트리 G1이 단 5회의 원격 조종 시연과 195회의 외골격 녹화 세션으로 훈련되었다고 밝혔습니다. 하이브리드 데이터는 픽앤플레이스 작업의 성공률을 5%에서 약 80%로 끌어올렸으며, 이는 200회의 시연을 기준으로 한 성공률과 거의 일치합니다.
외골격이 사람이 테이블로 걸어가는 모습을 포착하자, 로봇은 걷는 법을 배웠는데, 직접 훈련한 데이터에는 걷는 모습이 전혀 없었음에도 불구하고 말이다.
연구자들은 또한 로봇이 이동 부분에서 100%의 성공률을 달성했으며 균형을 잃지 않고 계속해서 물체를 조작할 수 있다고 주장합니다.
한 실험에서 연구원들은 로봇을 작업 공간에서 물리적으로 밀어냈습니다. 로봇은 원래 위치로 걸어가 작업을 완료했습니다.
이 연구는 인간형 로봇 연구에 대한 전 세계적인 관심 속에서 이루어졌습니다.
NVIDIA의 Project GR00T , Google DeepMind의 제미니(Gemini) Robotics , Figure AI와 같은 스타트업은 로봇 훈련의 규모를 확대하기 위해 경쟁하고 있습니다.
한편, 2024년 하계 올림픽에서 Atalante X 슈트를 선보인 파리 소재 외골격 제조업체 Wandercraft도 인간형 로봇으로 방향을 전환하여 6월에 새로운 인간형 로봇인 Calvin 40을 출시했습니다.
새로운 로봇은 회사의 보다 간편한 외골격 디자인을 기반으로 합니다 .
Wandercraft의 CEO인 Matthieu Masselin은 이전에 디크립트(Decrypt)"미국, 중국, Tesla, Figure AI 등 어디에서나 인간형 로봇을 볼 수 있습니다."라고 말했습니다.
"저희에게 이 기술은 지난 10년 동안 개발해 온 기술과 동일합니다."라고 그는 말했습니다. "요청이 늘어나고 사람들이 저희를 그 시장에 끌어들이기 시작하면서, 외골격과 함께 동일한 기술을 기반으로 하는 자유롭고 자율적인 휴머노이드 로봇을 개발하는 것이 합리적이라고 판단했습니다."
그럼에도 불구하고, HumanoidExo 접근 방식은 인간형 로봇을 훈련하는 더 접근 가능한 경로를 제시했는데, 로봇에게 걷는 법을 가르치는 것이 곧 단순히 슈트를 입고 걷는 것을 의미할 수 있다는 의미입니다.
