힘 반응형 휴머노이드 이동 및 조작 학습 (Learning Force-Reactive Humanoid Loco-Manipulation)

요약

본 논문은 일상 작업에서 필수적인 접촉 힘 제어를 위해 FLORE라는 프레임워크를 제시합니다. 이 시스템은 힘 감지 그리퍼와 웨어러블 트래커로 데이터를 수집하고, 힘 반응형 확산 정책을 통해 행동과 손별 힘 명령을 예측합니다. 시뮬레이션 결과, 로봇이 접촉이 많은 작업에서 위치 전용 정책 대비 월등히 높은 성공률을 입증했습니다.

핵심 포인트

• 휴머노이드 제어는 운동학적 궤적뿐 아니라 접촉 힘 제어가 필수적입니다.
• FLORE 프레임워크는 힘 반응형 확산 정책(force-reactive diffusion policy)을 사용합니다.
• 하이브리드 컴플라이언스 전신 제어기가 균형 유지와 힘 명령 실행을 담당합니다.
• 접촉이 많은 작업에서 FLORE의 성공률은 위치 전용 정책 대비 크게 향상되었습니다.