요약

로봇공학에서 시뮬레이터 훈련으로 얻은 모델을 실제 로봇 환경에 적용하는 것은 '현실 간극(reality gap)' 문제 때문에 어렵습니다. 이 간극은 물리적 매개변수 불일치나 잘못된 물리 모델링 등 여러 요인에서 기인하며, 이는 실제 작업 실패로 이어질 수 있습니다.

핵심 포인트

• 로봇공학의 주요 과제 중 하나는 시뮬레이터 훈련 결과를 실제 세계에 성공적으로 이전하는 것입니다 (Sim2Real).
• 딥 강화 학습(Deep RL)은 데이터 수집 비용 때문에 이론적 데이터를 제공하는 시뮬레이터를 사용하게 만듭니다.
• 시뮬레이터와 현실 간의 '현실 간극'은 물리 매개변수 불일치나 부정확한 물리 모델링에서 발생합니다.
• 이러한 간극을 해결하지 못하면, 훈련된 로봇 모델이 실제 환경에서 실패할 위험이 높습니다.