본 논문에서는 강화학습(RL)을 이용하여 외부 힘에 적응력이 뛰어난 로봇 제어 기법인 FACET(Force-Adaptive Control via Impedance Reference Tracking)을 제시합니다. 기존의 위치 또는 속도 기반 제어 방식의 한계를 극복하기 위해, 가상 질량-스프링-댐퍼 시스템을 모방하는 RL 기반 제어 정책을 학습합니다. 가상 스프링을 조작하여 외부 힘 하에서 미세한 제어를 가능하게 합니다. 시뮬레이션과 실제 로봇 실험을 통해 큰 충격(최대 200 Ns)에 대한 향상된 강건성과 제어 가능한 컴플라이언스를 보여주며, 충돌 충격량을 80% 감소시켰습니다. 또한, 사족보행 로봇뿐만 아니라 다족 로봇 매니퓰레이터와 휴머노이드 로봇에도 적용 가능성을 보여줍니다.
