AI 요약
칭화대학교(Tsinghua University), 베이징대학교(Peking University), Galbot, 상하이 AI 실험실 등의 공동 연구진은 휴머노이드 로봇이 고속으로 날아오는 테니스공에 대응할 수 있도록 돕는 학습 시스템 'LATENT'를 공개했습니다. 기존 연구들은 정밀하고 완전한 테니스 동작 데이터가 부족해 로봇의 역동적인 움직임을 구현하는 데 어려움을 겪었으나, LATENT는 '불완전한 동작 파편'만을 활용해 이 문제를 해결했습니다. 연구진은 실제 경기 데이터 대신 테니스의 기본 원시 기술(primitive skills)이 담긴 준실제적(quasi-realistic) 데이터를 사전 정보로 사용해 로봇의 제어 정책을 학습시켰습니다. 이를 통해 로봇은 인간의 자연스러운 동작 스타일을 유지하면서도 다양한 조건에서 공을 타격해 목표 지점으로 보낼 수 있게 되었습니다. 최종적으로 Unitree G1 휴머노이드 로봇에 이 기술을 적용하여 실제 코트에서 인간과 지속적인 랠리를 주고받는 성과를 거두었습니다.
핵심 인사이트
- LATENT 시스템 개발: 칭화대, 베이징대, Galbot, 상하이 Qi Zhi 연구소 등 중국 주요 기관이 협력하여 불완전한 데이터 기반의 학습 프레임워크를 구축함.
- Unitree G1 로봇 활용: 하드웨어 플랫폼으로 Unitree G1 휴머노이드 로봇을 채택하여 실물 배포 및 시연에 성공함.
- 데이터 효율성 극대화: 정밀한 경기 시퀀스 대신 테니스 동작의 파편(fragments)만으로도 인간의 운동 지능을 복제할 수 있음을 증명함.
- 실제 랠리 성공: 시뮬레이션에서 학습한 정책을 실제 로봇에 성공적으로 이식(Sim-to-Real)하여 인간 선수와 안정적인 멀티샷 랠리를 유지함.
주요 디테일
- 동작 사전 정보(Priors): 완벽한 데이터가 아닌 준실제적 데이터를 통해 테니스 시나리오에서 인간의 원시 동작 스타일을 학습함.
- 정책 수정 및 조합: 입력된 불완전 데이터를 수정하고 조합하여 다양한 상황에서도 공을 정확히 맞출 수 있는 견고한 정책을 수립함.
- Sim-to-Real 로버스트 설계: 시뮬레이션과 실제 환경 사이의 간극을 줄이기 위해 일련의 로버스트 전송 설계를 도입함.
- 연구 기여자: Zhikai Zhang, Haofei Lu, Yunrui Lian 등 다수의 연구자가 공동 제1저자로 참여했으며 Li Yi 교수가 교신 저자를 맡음.
- 자연스러운 모션 스타일: 단순히 공을 치는 것을 넘어 인간 운동선수의 역동적이고 자연스러운 움직임을 보존함.
향후 전망
- 데이터 제약 극복: 완벽한 동작 캡처 데이터가 부족한 다양한 스포츠 및 고난도 작업 영역에 휴머노이드 학습 기술이 확산될 것으로 보임.
- 휴머노이드 상용화 가속: Unitree G1과 같은 범용 로봇이 전문적인 운동 기술을 습득함에 따라 가사, 서비스, 레저 분야에서의 활용도가 높아질 전망임.
출처:hackernews