Show GN: 고등학생 700명이 Isaac Sim에서 로봇에게 걷는 법을 가르친 기록

원문 발행 2026. 11. 05. 19:43원문 언어 한국어GeekNews 원문 보기

요약

고등학생들이 NVIDIA Isaac Sim을 활용하여 로봇의 보행 정책을 강화학습(PPO)으로 개발한 대회 기록입니다. 참가팀들은 자체 설계한 보상 함수를 통해 휴머노이드 및 사족보행 로봇에게 다양한 지형에서의 걷는 법을 가르쳤습니다. 본선에서는 LLM이 팀의 계획서를 읽어 목표를 설정하며, 실제 환경 오류에 대응하도록 시스템이 개선되었습니다.

핵심 포인트

NVIDIA Isaac Sim 기반으로 로봇 보행 정책 개발 대회가 진행됨.
참가팀들은 PPO를 이용해 자체 보상 함수 설계 및 학습을 수행함.
보상 값 변경에 따라 로봇의 행동이 민감하게 변화하는 점이 관찰됨.
본선에서는 LLM이 팀의 작전문(계획서)을 읽어 목표 설정에 활용됨.

네이버 커넥트재단이 운영하고 NVIDIA가 기술 후원하는 고등학생 로보틱스 대회(NCRC 2026)의 공개 전시 페이지입니다.

예선: 팀마다 보상 함수를 직접 설계해 NVIDIA Isaac Sim에서 휴머노이드(Unitree H1)·사족보행(Unitree Go2)의 보행 정책을 강화학습(PPO, 4,096개 병렬 환경)으로 학습시켜 제출했습니다. 제출한 정책은 일곱 가지 지형에서 다시 돌려 채점하고, 팀이 적은 설계 의도와 실제 보상 설정이 맞는지도 함께 봤습니다.
볼 만한 곳은 가운데 「실패 기록」입니다. 넘어지거나 엉뚱하게 걷는 영상마다 어떤 보상 값을 얼마나 바꿨는지, 지형 난이도, 낙상률, 탐색 정도 같은 학습 진단을 붙였습니다. 보상 해킹도 자주 나옵니다. 발을 들어 올리는 보상을 0.3 넘게 키우면 거의 어김없이 한 발로 깡충깡충 뛰는 걸음이 나옵니다.
위쪽 숫자는 8월 18일부터 실시간입니다: 제출 정책 12,500개 이상, 학습 반복 1억 1,400만 회 이상, 시뮬레이션 속 보행 약 7,100년.
지금은 상위 32팀이 본선 토너먼트 중입니다. 팀이 학습한 정책으로 같은 맵에서 맞붙고, 팀이 쓴 작전문(어느 장애물부터 갈지)을 LLM이 읽어 목표를 고릅니다. 32강에서는 LLM이 20초마다 계획을 다시 짜다 작전문 순서를 세트당 0.6번꼴로 벗어나는 일이 있어, 로봇이 실제로 끼였을 때만 목표를 바꾸도록 고쳤습니다. 결승은 11월 22일입니다.

본선 경기 영상과 하이라이트는 유튜브 채널에 있습니다.

https://www.youtube.com/channel/UCjCpe9wFp1cLNFE-ACbEa7g

AI 자동 생성 콘텐츠

원문 바로가기

Show GN: 고등학생 700명이 Isaac Sim에서 로봇에게 걷는 법을 가르친 기록

요약

핵심 포인트

댓글