Perceptive Humanoid Parkour: Chaining Dynamic Human Skills via Motion Matching

Created by

Haebom

저자

Zhen Wu, Xiaoyu Huang, Lujie Yang, Yuanhang Zhang, Xi Chen, Pieter Abbeel, Rocky Duan, Angjoo Kanazawa, Carmelo Sferrazza, Guanya Shi, C. Karen Liu

💡 개요

본 논문은 복잡한 장애물 코스에서 인간과 같은 민첩하고 적응적인 파쿠르 동작을 수행할 수 있는 휴머노이드 로봇 프레임워크인 PHP(Perceptive Humanoid Parkour)를 제안한다. Motion Matching 기법을 활용하여 인간의 동작을 재구성하고 이를 기반으로 강화학습 전문가 정책을 학습한 후, 단일 깊이 기반 다중 스킬 학생 정책으로 증류한다. 이를 통해 로봇은 온보드 깊이 감지만으로 장애물 돌파, 등반, 회전 등의 다양한 파쿠르 동작을 자율적으로 수행할 수 있다.

🔑 시사점 및 한계

•

인간 수준의 동적 파쿠르 동작을 휴머노이드 로봇으로 구현 가능성을 제시

•

Motion Matching과 강화학습을 결합한 효과적인 스킬 합성 및 학습 방법론 제시

•

실제 로봇 실험을 통해 높은 장애물 등반 및 동적 환경 적응 능력 입증

•

현재 프레임워크는 주로 깊이 센서 정보에 의존하며, 더 복잡하고 다양한 센서 정보(색상, 질감 등) 활용에 대한 연구가 필요

PDF 보기

Made with Slashpage