자전거 로봇이 혼자서 공중제비를 돕니다. 미국 RAI Institute가 개발한 UMV는 바퀴와 다리의 장점을 결합한 로봇으로, 이 동작들을 시뮬레이션 속 강화학습으로 익혔습니다.

안녕하세요, AI Matters입니다.

UMV는 무게 약 23kg으로, 접었을 때 약 80cm에서 점프할 때 152cm 이상으로 몸체가 늘어납니다. 프론트 플립, 1미터 높이의 테이블 점프, 지속적인 윌리, 뒷바퀴 연속 호핑 같은 동작도 수행합니다.

이 동작들은 사람이 하나하나 직접 코딩한 것이 아니라 강화학습을 통해 로봇이 시행착오를 거치며 학습한 결과입니다. 연구팀은 엔비디아 아이작 랩(NVIDIA Isaac Lab)의 시뮬레이션 환경에서 로봇의 제어 정책을 훈련했습니다.

실제 로봇으로 수백만 번의 시행착오를 반복하면 파손과 비용 문제가 발생하기 때문에, 제어 정책의 학습은 시뮬레이션 속 로봇 모델에서 진행됩니다. 이렇게 학습한 정책을 실제 UMV에 적용해 결과를 확인하고, 필요한 경우 보상 설계를 조정한 뒤 다시 학습하는 과정을 반복합니다.

RAI Institute는 이러한 정책 개발을 사람과 기계가 함께 역할을 나누는 과정으로 설명합니다. 수많은 시뮬레이션 속 실패를 거쳐 학습한 움직임이 실제 로봇의 프론트 플립과 점프, 윌리, 호핑으로 이어지는 과정을 영상에서 확인해 보세요.

UMV 로봇 영상 및 연구 출처: RAI Institute

https://raiinst.com/resources/blog/designingwheeledroboticsystems/

#로봇 #피지컬AI #로보틱스 #Robotics #UMV #로봇공학 #로봇학습 #RAIInstitute #shorts

제공: AI 매터스