PolicyIK: 강화학습을 이용한 로봇 팔의 고정밀 역기구학

요약

PolicyIK는 목표 조건부 강화학습(goal-conditioned RL) 정책으로 로봇 팔의 고정밀 역기구학(IK)을 구현합니다. 이 정책은 두 가지 규모의 자세 오차와 에러 의존적 액션 게인을 활용하여 정지 상태에서도 밀리미터 수준의 잔여 오차를 해결합니다. 시뮬레이션 및 실제 환경 테스트 결과, 기존 컨트롤러 대비 높은 도달 및 유지 성공률을 입증하며 강화학습의 로봇 제어 적용 가능성을 보여줍니다.

핵심 포인트

• PolicyIK는 목표 조건부 RL 정책으로 고정밀 IK를 제공합니다.
• 두 가지 규모의 자세 오차와 에러 의존적 액션 게인을 사용했습니다.
• 시뮬레이션에서 평균 오차 1mm/0.2° 이내, 성공률 93.5%를 달성했습니다.
• 실제 팔에 적용 시 기존 IK 컨트롤러보다 높은 성공률을 보였습니다.