본 논문은 강화학습(Reinforcement Learning, RL)을 이용하여 외부 힘에 적응하는 로봇 제어 기법인 FACET(Force-Adaptive Control via Impedance Reference Tracking)을 제시합니다. 기존의 위치 또는 속도 기반 제어 방식의 한계를 극복하기 위해, RL을 통해 가상 질량-스프링-댐퍼 시스템을 모방하는 제어 정책을 학습시킵니다. 이는 가상 스프링을 조절하여 외부 힘 하에서 미세한 제어를 가능하게 합니다. 4족 보행 로봇을 대상으로 한 시뮬레이션과 실제 로봇 실험을 통해 큰 충격에 대한 강건성 향상(충돌 충격량 80% 감소)과 제어 가능한 컴플라이언스를 보여줍니다. 또한, 최대 자체 무게의 2/3에 달하는 페이로드를 끌어올리는 등 큰 힘을 다루는 능력도 입증하였으며, 다족 로봇 매니퓰레이터와 휴머노이드 로봇으로의 확장 가능성도 제시합니다.
