CoRAL: Contact-Rich Adaptive LLM-based Control for Robotic Manipulation

작성자

Haebom

카테고리

Empty

저자

Berk \c{C}i\c{c}ek, Mert K. Er, Ozgur S. Oguz

💡 개요

본 논문은 LLM/VLM의 높은 수준의 추론 능력을 로봇의 물리적 상호작용 제어에 적용하는 데 따르는 어려움을 해결하기 위해 CoRAL 프레임워크를 제안한다. CoRAL은 LLM을 직접적인 제어기가 아닌, 샘플링 기반 모션 플래너(MPPI)를 위한 상황 인식 목적 함수를 합성하는 비용 설계자로 활용하여 제로샷 계획을 가능하게 한다. 신경-기호적 적응 루프를 통해 시각 데이터의 물리적 파라미터 모호성을 해결하고, 실시간 시스템 식별을 통해 동적 환경 적응을 강화한다.

🔑 시사점 및 한계

•

LLM/VLM을 직접적인 제어기가 아닌, 로봇의 물리적 제어를 위한 목적 함수 설계에 활용하여 제로샷 계획 및 적응 제어 성능을 향상시킬 수 있다.

•

신경-기호적 적응 루프와 실시간 시스템 식별을 통해 시각 정보의 물리적 파라미터 불확실성을 극복하고, 동적 환경에 효과적으로 적응하는 로봇 제어 시스템을 구축할 수 있다.

•

재귀적 작업 전반에 걸쳐 성공적인 전략을 재사용하는 메모리 유닛을 통해 시스템의 효율성과 범용성을 높인다.

•

현재 제안된 CoRAL 프레임워크는 복잡한 물리적 상호작용 및 예기치 못한 상황에 대한 적응 능력을 보여주지만, 더 광범위한 물리적 시나리오와 다양한 로봇 하드웨어에서의 성능 검증 및 최적화가 필요하다.

PDF 보기

Made with Slashpage