Ziluo Ding, Haobin Jiang, Yuxuan Wang, Zhenguo Sun, Yu Zhang, Xiaojie Niu, Ming Yang, Weishuai Zeng, Xinrun Xu, Zongqing Lu
개요
JAEGER는 인간형 로봇을 위한 이중 레벨 전신 제어기를 제시하는 논문입니다. 기존의 단일 제어기 방식과 달리 상체와 하체 제어를 독립적으로 분리하여 각기 다른 작업에 집중할 수 있도록 함으로써 차원의 저주를 완화하고 내결함성을 향상시킵니다. 근원 속도 추적(거친 제어)과 국부 관절 각도 추적(미세 제어)을 지원하여 다재다능하고 안정적인 움직임을 가능하게 합니다. 인간 동작 데이터셋(AMASS)을 사용하여 인간 자세를 인간형 자세로 재타겟팅하는 효율적인 네트워크를 통해 제어기를 훈련하고, 커리큘럼 학습 방식을 채택합니다. 감독 학습으로 초기화한 후 강화 학습으로 추가 탐색을 수행하며, 시뮬레이션 및 실제 환경 모두에서 최첨단 방법에 비해 우수성을 보여줍니다.
시사점, 한계점
•
시사점:
◦
상체와 하체 제어의 분리는 차원의 저주를 완화하고 제어기의 내결함성을 향상시킨다는 것을 보여줍니다.
◦
이중 레벨 제어(거친 제어와 미세 제어)를 통해 다재다능하고 안정적인 인간형 로봇의 움직임을 가능하게 합니다.
◦
효율적인 재타겟팅 네트워크와 커리큘럼 학습을 통한 효과적인 제어기 학습 방법을 제시합니다.
◦
시뮬레이션과 실제 환경 모두에서 최첨단 방법보다 우수한 성능을 보여줍니다.
•
한계점:
◦
AMASS 데이터셋에 의존하는데, 데이터셋의 편향이 제어기 성능에 영향을 미칠 수 있습니다.
◦
제안된 방법의 일반화 성능에 대한 추가적인 검증이 필요합니다. 다양한 환경 및 작업에 대한 로봇의 적응력에 대한 추가 연구가 필요합니다.
