본 논문은 인공 신경망을 이용한 로봇 제어에서 발생할 수 있는 분포 외(OOD) 상황에 대한 취약성을 해결하기 위해 Hebbian 학습 기반의 시냅스 가소성을 적용한 연구이다. Hebbian 학습은 가중치 발산 문제를 야기할 수 있으므로, 본 연구에서는 가중치 정규화 메커니즘을 도입하여 이 문제를 해결하고, 18-DOF 쇠똥구리 로봇과 16-DOF 게코 로봇과 같은 다자유도 실제 로봇의 보행 제어에 적용하였다. 실험 결과, Hebbian 기반 가소성 네트워크는 시뮬레이션-실제 환경 적응(sim-to-real adaptation)을 성공적으로 수행하고, 고르지 않은 지형이나 형태 손상과 같은 예측 불가능한 상황에도 일반화될 수 있음을 보였다.
