Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
MicroDuck이 NVIDIA Newton과 커스텀 스노우 솔버를 활용하여 로봇 오리의 눈 속 보행을 성공적으로 시뮬레이션했습니다. 실제 강설 문헌 기반의 물리적 특성을 구현해 현실적인 환경을 조성했으며, Isaac Lab에서 학습된 보행 정책을 순수 Newton으로 재구현하고 높은 정확도를 입증했습니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 X @clementdelangue (자동 발견)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기RT @lukas_m_ziegler: 시뮬레이션된 눈밭을 걷는 로봇 오리! 🦆
@huggingface의 MicroDuck이 커스텀 스노우 솔버를 사용해 NVIDIA Newton으로 모의 구현한 설원 지형을 걸어갑니다.
저희 모두 이 로봇 오리가 무대 위에서는 매우 편안하다는 것을 알고 있지만, 지금은 눈 속에서도 상당히 능숙함을 보여주고 있습니다! ❄
눈 표현이 제대로 되었으며, 여기서 더 자세히 살펴볼 필요가 있습니다.
눈송이 크기(Flake sizes), 질량(masses), 낙하 속도(fall speeds)는 1970년대까지 거슬러 올라가는 측정된 강설 문헌에서 가져왔습니다. 눈송이는 얇은 판처럼 회전합니다. 이 비율은 실제 시간당 8mm의 액체 등가물이며, 한 번에 공기 중에 떠다니는 눈송이는 약 290,000개입니다.
눈은 공기 온도에 따른 휴지각(angle of repose)에 따라 달라붙으며, 로봇이 움직일 때 각 링크의 자체 프레임 안을 타고 이동하고 발은 2mm 해상도의 눈층에 발자국을 남깁니다.
보행 정책(walking policy)은 Isaac Lab에서 학습되었고, Isaac Lab 런타임 없이 순수 Newton으로 재구현되었습니다.
이후 헤드리스(headless)로 실행되는 Isaac Lab과 비교 테스트를 진행했습니다: 관측값(observations)은 1e-6에 일치하고, 동작값(actions)은 2e-6에 일치했으며, 4,088개의 무작위 입력에 걸쳐 동일한 서보 모델을 유지했고, 보행 속도는 0.003 m/s 이내였습니다.
22개 항목 중 22개 모두 통과! ✅
눈 표현이 가능해졌습니다!!!
@TheRobotSimGuy 🐐, @NVIDIARobotics