게시 : 2025 년 2 월 25 일 / 업데이트 : 2025 년 2 월 25 일 - 저자 : Konrad Wolfenstein
로봇 공학의 걸림돌에서 Somersault에 이르기까지 : AI 업그레이드 인간화 기술-이미지를 정의합니다 : Xpert.Digital
휴머노이드의 미래 : 아틀라스는 강화 학습을 더 똑똑하게하는 것입니다
전략적 파트너십 : Boston Dynamics는 실제 응용 프로그램을 위해 Atlas를 최적화합니다
발표에서 Dynamic Robot 분야의 개척자 인 Boston Dynamics와 유명한 로봇 전문가이자 Boston Dynamics의 전 CEO 인 Marc Raibert의 지시에 따른 연구 기관인 Robotics & AI Institute (Rai Institute)는 전략적 파트너십. 2025 년 2 월에 공식적으로 시작한이 협력의 선언 된 목표는 강화 학습 (강화 학습)을 사용하여 고급 인간화 로봇 아틀라스의 기술을 크게 개선 한 것입니다. 이 협력은 아틀라스를보다 유연하고 민첩하게 만들뿐만 아니라 더 넓은 범위의 실제 응용 분야에 대한 자격을 갖추어 새로운 휴머노이드 로봇 시대를위한 길을 열어 줄 것을 약속합니다.
적합:
미래 지향 협력의 핵심 목표
Boston Dynamics와 Rai Institute 간의 파트너십은 Atlas의 기본 기술을 변화시키고 인상적인 연구 시위자에서 다양한 실용적인 도구로 개발하는 것을 목표로하는 여러 야심 찬 목표에 중점을 둡니다. 이러한 노력의 중심에는 세 가지 주요 영역이 있습니다.
Sim-to Real Gap의 브리징 : 시뮬레이션에서 현실로의 길
로봇 공학, 특히 강화 학습 분야에서 가장 큰 과제 중 하나는 시뮬레이션에서 학습 된 기술을 실제 세계로 전달하는 것입니다. 시뮬레이션은 무제한의 양의 데이터, 환경에 대한 완전한 제어 및 위험 또는 위험이없는 위험한 시나리오를 시뮬레이션 할 가능성을 가능하게하기 때문에 로봇 교육에 이상적인 환경을 제공합니다. 로봇은 가상 세계에서 손상이나 부상의 위험없이 수많은 움직임과 작업을 반복 할 수 있습니다.
반면에 현실은 훨씬 더 복잡하고 예측할 수 없습니다. 물리적 로봇은 감각 소음, 예상치 못한 장애, 모델링의 부정확성 및 변동성의 지속적인 도전으로 가득 찬 세상에서 작동합니다. 완벽하게 제어되는 시뮬레이션에서 작동하는 것은 혼란스러운 현실에서 실패 할 수 있습니다. "Sim-to Real-Lücke"는이 불일치를 정확히 설명합니다.
Boston Dynamics와 RAI Institute 간의 파트너십은 혁신적인 방법과 알고리즘을 사용하여 이러한 격차를 마감하는 목표를 설정했습니다. 연구원들은 시뮬레이션뿐만 아니라 실제 세계에서도 안정적으로 작동하는 강력하고 일반화 가능한 움직임을 개발하기 위해 노력하고 있습니다. 여기에는 물리적 현실을보다 정확하게 매핑하는 고급 시뮬레이션 환경의 개발뿐만 아니라 도메인 무작위 화 및 적응 시뮬레이션과 같은 기술의 사용을 포함하여 시뮬레이션에서 훈련 된 모델을 현실 세계의 불순물에 저항 할 수있게합니다. 이 분야의 성공은 로봇 공학에 대한 강화 학습의 잠재력을 최대한 활용하고 실제 비정형 환경에서 로봇을 사용하는 데 중요합니다.
로코 조작 개선 : 운동과 상호 작용의 기술
Loco 조작을 찾는 능력, 즉 객체의 동시 운송 및 조작은 복잡하고 역동적 인 환경에서 작용 해야하는 로봇의 핵심 능력입니다. 창고를 통해 패키지를 선택하는 휴머노이드 로봇 또는 재난 구역에서 잔해물을 제거하고 동시에 생존자를 찾는 로봇을 상상해보십시오. 이러한 모든 시나리오에서 로봇은 효율적으로 움직일뿐만 아니라 동시에 주변 환경과 상호 작용할 수 있어야합니다.
그러나 고급 로코 조작 전략의 개발은 엄청난 도전입니다. 운동 계획, 철도 계획, 그립 계획 및 강도 수준간에 긴밀한 조정이 필요합니다. 로봇은 주변 환경의 지속적으로 변화하는 조건에 실시간으로 움직임과 조작을 조정할 수 있어야합니다.
파트너십의 일환으로 연구원들은 아틀라스 로코 조작 기술을 새로운 차원으로 끌어 올리는 새롭고 혁신적인 전략을 개발할 것입니다. 여기에는 동시 계획 및 그립 계획을위한 알고리즘 연구, 다양한 객체의 조작을위한 강력한 전력 제어 전략의 개발 및 감각 정보를 제어 루프에 통합하여 반응 빠르고 적응 형 로코 조작을 가능하게하는 것이 포함됩니다. Loco 조작의 개선은 Atlas를 다양한 응용 분야에 실제로 다재다능하고 유용한 도구로 만드는 중요한 단계입니다.
전신 접촉 전략에 대한 연구 : 가난한 것과 다리의 시너지 효과
아틀라스와 같은 휴머노이드 로봇은 인간 운동과 매우 유사한 방식으로 움직이고 상호 작용할 수있는 독특한 잠재력을 가지고 있습니다. 팔, 다리 및 동체를 포함한 몸 전체를 복잡한 움직임과 작업에 통합하는이 능력은 로봇 공학에 대한 완전히 새로운 기회를 열어줍니다. 모든 바디 접촉 전략은 암으로 간단한 조작을 넘어 팔과 다리 사이의 시너지 효과를 사용하여 고성능 운동과 작업을 가능하게합니다.
무거운 물건을 가지고있는 사람을 생각하십시오. 그는 팔뿐만 아니라 다리, 동체 및 몸 전체를 사용하여 체중을 안정화시키고 균형을 유지하고 물체를 효율적으로 운반합니다. 마찬가지로, 휴머노이드 로봇은 몸 전체를 사용하여 팔과 다리 사이의 긴밀한 조정이 필요한 복잡한 작업을 관리 할 수 있어야합니다.
연구원들은 고급 규제 알고리즘 개발 및 고성능 전신 움직임 및 작업을위한 계획 전략에 중점을 둡니다. 여기에는 역동적 인 달리기, 점프, 등반, 리프팅 및 무거운 물체, 경련 방의 조작 및 복잡한 환경과의 상호 작용과 같은 영역이 포함됩니다. 전신 접촉 전략에 대한 연구는 휴머노이드 폼 팩터의 잠재력을 최대한 활용하고 세계에서 자연스럽고 직관적 인 방식으로 움직이고 상호 작용할 수있는 로봇을 개발하기 위해 매우 중요합니다.
이 방향 적 협력의 중요성
Boston Dynamics와 RAI Institute의 파트너십은 몇 가지 이유로 로봇 공학과 AI 연구 커뮤니티에서 엄청난 중요성이 있습니다. 첫째, 그녀는 로봇 공학 분야의 두 가지 주요 조직과 각각 독특한 강점과 기술을 결합합니다. Boston Dynamics는 Atlas, Spot, Hands 및 Stretch와 같은 인상적이고 역동적 인 로봇 플랫폼으로 전 세계적으로 유명합니다. Marc Raibert의 지시에 따라 RAI Institute는 지능형 기계를위한 최고의 기술 개발과 복잡한 로봇 공학 문제에 대한 강화 학습을 사용하는 데 수십 년의 경험을 제공합니다.
Rai Institute의 창립자 인 Marc Raiber는 로봇 공학의 아이콘입니다. 전 보스턴 다이나믹스 CEO로서 그는 회사의 발전을 크게 형성했으며 세계에서 가장 인상적인 로봇을 생산했습니다. 로봇 연구는 로봇에 대한 그의 비전에 지속적인 영향을 미쳤으며, 이는 사람들과 동물처럼 현실 세계에서 영리하고 다재다능하게 움직일 수 있습니다. Rai Institute의 창립으로 Raiber는 로봇 공학과 AI에서 가능한 한계를 확장하려는 사명을 계속합니다.
협업은 4 개의 레그 로봇 지점에 대한 "강화 학습 연구원 키트"를 포함하여 초기 공동 프로젝트를 확실하게 기반으로합니다. 이 키트를 통해 전세계 연구원들은 스팟 플랫폼에서 강화 학습 알고리즘을 개발하고 테스트 할 수 있습니다. 이 키트의 성공적인 개발 및 구현에 따르면 두 조직 모두 효과적으로 협력하고 로봇 공학을위한 재현 학습 분야에서 혁신적인 솔루션을 개발할 수 있습니다.
파트너는 세계에서 가장 진보적이고 강력한 휴머노이드 로봇 중 하나 인 Atlas에게 강화 학습을 사용함으로써 인간형 기술 개발에서 상당한 진전을 기대합니다. 강화 학습은 전통적인 프로그래밍 접근 방식으로 구현하기 어려운 복잡한 작업을 관리하기 위해 로봇을 훈련시킬 수있는 잠재력을 제공합니다. 이를 통해 로봇은 주변 환경과의 상호 작용을 통해 학습하고 기술을 지속적으로 개선 할 수 있습니다.
Boston Dynamics와 Rai Institute는 일반 대중이 휴머노이드 로봇 공학의 발전을 이용하기 위해 Atlas와의 작업에 대한 정기적 인 업데이트 및 시연을 게시하기 위해 수행했습니다. 이러한 투명성은 로봇 공학 및 AI 연구에 대한 신뢰를 강화하고 이러한 기술에 대한 사회적 수용을 촉진하는 데 중요합니다. 계획된 간행물은 과학계에 알릴뿐만 아니라 인간형 로봇 공학의 매혹적인 가능성과 도전에 대해 대중에게 영감을 줄 것입니다.
공동 연구 및 개발 세부 사항
Boston Dynamics와 RAI Institute 간의 협력은 서로 밀접하게 연결되고 보완되는 여러 핵심 연구 개발 영역으로 나뉩니다.
Atlas를위한 일반적인 재발행 학습 교육 파이프 라인 개발
파트너십의 중심에는 최첨단 강화 학습 교육 훈련 파이프 라인의 개발이 있으며, 이는 Atlas의 요구와 기술에 특별히 조정됩니다. 이 파이프 라인은 모바일 조작을위한 역동적이고 일반화 가능한 행동을 훈련시키는 기초를 형성합니다. 여기에는 보상 기능의 정의 및 적절한 알고리즘의 선택 및 시뮬레이션 환경 개발 및 데이터 수집 개발, 실제 로봇에서 학습 된 동작의 검증 및 전송에 이르기까지 강화 학습 프로세스의 모든 단계가 포함됩니다.
교육 파이프 라인은 다양한 작업과 환경에 대한 유연성과 적응성을 보장하기 위해 모듈 식입니다. 그것은 심층 강화 학습, 모델 기반 강화 학습 및 다중 에이전트 강화 학습과 같은 강화 학습의 고급 기술을 통합하여 교육의 효율성과 견고성을 극대화합니다. Atlas가 모든 단계를 명시 적으로 지정하지 않고 복잡한 작업을 배울 수있는 보상 기능 개발에 특별한 초점이 있습니다. 보상 기능은 로봇이 효율적이고 자연스럽고 인간적인 움직임과 상호 작용을 개발하도록 안내하기위한 것입니다.
SIM-real Transfer : 가상과 실제의 다리
이미 언급했듯이 Sim-to Real Transfer는 로봇 공학 강화 학습의 가장 큰 과제 중 하나입니다. 팀은 시뮬레이션과 실제 세계 사이의 격차를 해소하기 위해 집중적으로 노력하고 시뮬레이션에서 훈련 된 동작이 실제 하드웨어로 성공적으로 안정적으로 전송 될 수 있도록합니다.
이를 위해서는 시뮬레이션 환경의 개선 및 강력한 전송 방법의 개발을 포함하여 다층 접근이 필요합니다. 마찰, 접촉, 관성 및 기타 물리적 효과의 모델링을 포함하여 물리적 현실을보다 정확하게 매핑하기 위해 시뮬레이션 환경이 지속적으로 개선됩니다. 동시에, 도메인 무작위 화, 시스템 식별 및 적응 제어와 같은 기술은 시뮬레이션에서 훈련 된 모델을 실제 세계의 불순물에 더 저항력있게 만드는 데 사용됩니다. 목표는 시뮬레이션에서 현실로의 원활한 전환을 만들어 Atlas가 실제 환경에서 상당한 성능 상실없이 가상 세계에서 배운 기술을 사용할 수 있도록하는 것입니다.
인간형 로봇 공학의 미래를위한 핵심 기술에 중점을 둡니다.
파트너십은 실제 환경에서 휴머노이드 로봇의 실질적인 사용에 필수적인 주요 기술의 개발 및 개선에 중점을 둡니다.
Loco 조작 개선 : 움직임 중에 물체를 처리합니다
Atlas는 동시에 이동하는 동안 문, 스위치, 레버, 도구 및 기타 물체와 같은 물체와 장치를 조작 할 수 있어야합니다. 이 능력은 산업 자동화에서 물류, 검색 및 구조 작업에 이르기까지 다양한 응용 프로그램에 중요합니다. 거친 지형을 통과하고 동시에 파편을 제거하거나 손상된 구조를 수리하는 도구를 제공하는 아틀라스를 상상해보십시오.
개선 된 Loco 조작에는 운동 계획, 잡기 계획 및 강도 수준을 실시간으로 조정하는 알고리즘의 개발이 필요합니다. 아틀라스는 움직임과 조작을 조작하는 물체의 모양, 크기, 무게 및 특성에 적응할 수 있어야합니다. 또한 그는 인식과 주변 지역의 불확실성을 다룰 수 있어야하며 계획과 움직임을 동적으로 조정할 수 있어야합니다. 이러한 기술의 개발은 Atlas가 광범위한 응용 프로그램에 훨씬 더 다재다능하고 유용한 도구로 만들 것입니다.
전신 접촉 전략 : 복잡한 움직임 및 무거운 하중
연구원들은 단순한 걷기와 도달을 넘어서는 까다로운 완전한 운동의 발전에 중점을 둡니다. 여기에는 역동적 인 달리기, 점프, 등산, 들어 올리기, 무거운 물건을 들고 좁은 방에서 조작하는 것이 포함됩니다. 이러한 기술은 팔, 다리 및 동체 사이의 밀접한 조정이 필요하며 전신의 시너지 효과를 사용하여 복잡한 작업을 관리합니다.
동적 달리기와 점프는 아틀라스가 고르지 않은 지형과 장애물에서 빠르고 효율적으로 움직일 수 있습니다. 등반은 범위를 연장하고 어려운 지역에 접근 할 수있게합니다. 무거운 물건을 들어 올리고 착용하면 물류와 건축에서 귀중한 도우미가됩니다. 비좁은 객실의 조작은 인간에게 접근하기 어려운 환경에서 사용할 수 있습니다. 전신 접촉 전략의 개발은 휴머노이드 폼 팩터의 잠재력을 최대한 활용하고 Atlas를 정말 민첩하고 강력한 로봇으로 만드는 중요한 단계입니다.
실제 구현 및 지속적인 진행 상황 제어
Boston Dynamics와 RAI Institute 간의 파트너십은 귀하의 연구 개발 작업의 투명하고 실무 지향적 인 구현에 큰 중요성을 부여합니다.
정기 진행 보고서 및 시연
Boston Dynamics와 Rai Institute는 협력의 최신 개발과 성공을 문서화하는 정기적으로 진행 보고서를 게시하기 위해 수행했습니다. 이 보고서에는 진보에 대한 서면 설명뿐만 아니라 새로 습득 한 기술을 보여주는 Atlas와의 생생한 시위도 포함됩니다. 이 데모는 비디오 및 프레젠테이션 형태로 출판되며 과학계와 일반 대중에게 액세스 할 수 있습니다.
정기적 인 업데이트 및 데모는 몇 가지 목적으로 사용됩니다. 그들은 과학계가 휴머노이드 로봇 공학의 진보를 추구하고 서로 영감을 줄 수 있도록합니다. 그들은 로봇 연구에 대한 투명성과 신뢰를 촉진하고 이러한 기술에 대한 사회적 수용을 높이는 데 도움을줍니다. 또한 Boston Dynamics와 RAI Institute에게 커뮤니티로부터 피드백을 받고 그에 따라 연구 방향을 조정할 수있는 기회를 제공합니다.
협력의 위치 : 미국 매사추세츠
파트너십의 일환으로 전체 연구 개발 작업은 매사추세츠 주에서 이루어지며, 여기서 두 조직에는 본사가 있습니다. 이 공간적 친밀감은 연구팀 간의 긴밀한 협력과 직접 교환을 장려합니다. Boston Dynamics의 팀과 RAI Institute 팀은 일반 실험실에서 일하고 두 조직의 자원과 인프라를 사용합니다. 팀과 리소스의 이러한 긴밀한 통합은 파트너십의 성공을위한 중요한 요소이며 시너지 효과를 사용하고 연구 및 개발 작업을 효율적으로 촉진 할 수 있습니다.
Atlas의 새로운 기술 : Humanoid Robotics의 미래를 살펴보십시오.
Boston Dynamics와 Rai Institute 간의 파트너십으로 인해 Atlas Robot은 더욱 다재다능하고 유용한 도구가 될 수있는 여러 가지 획기적인 새로운 기술을 얻기위한 것입니다.
개선 된 이동성 및 조작 : 민첩성 및 정밀도
동적 운동
Atlas는 고르지 않은 지형, 복잡한 환경 및 동적 시나리오에서 더 안정적이고 액체를 움직일 수 있어야합니다. 여기에는 달리기, 점프, 등산 및 다른 표면과 조건에 실시간으로 적응할 수있는 능력이 포함됩니다. 동적 운동은 Atlas가 균형을 유지하고 장애물을 극복하며 각 상황에 대한 움직임을 조정할 수있는 고급 조절 알고리즘 및 센서 데이터 퓨전에 의해 가능해집니다.
전신 조작
로봇은 무거운 물체를 정확하고 효율적으로 사용, 운반, 이동 및 조작 할 수 있도록 전액 접촉을위한 고급 전략을 구현합니다. 이를 위해서는 무게를 안정화시키고 균형을 유지하고 물체를 안전하게 처리하기 위해 무기, 다리 및 동체의 고도로 발전된 조정이 필요합니다. 전신 조작을 통해 Atlas는 창고, 건설 현장 또는 재난 구역에서 무거운 짐을 움직이는 등 사람들을 위해 예약 된 작업을 수행 할 수 있습니다.
고급 환경 상호 작용 : 세계와의 지능형 상호 작용
객체 조작
Atlas는 문, 스위치, 레버, 밸브, 도구, 용기 등을 포함하여 해당 지역의 다양한 물체와 장치를 조작하는 법을 배워야합니다. 이 능력을 통해 그는 인간 환경에서 행동하고 기존 인프라와의 상호 작용이 필요한 작업을 수행 할 수 있습니다. 객체 조작에는 안전하고 효율적으로 처리하기 위해 객체를 인식, 찾기 및 식별하기 위해 고급 인식 기술이 필요합니다.
재료 및 구조에 대한 적응성
로봇은 강도, 속도 및 움직임을 손상 시키거나 파괴하지 않고 다른 재료 및 구조물에 자동으로 지능적으로 적응할 수 있습니다. 이것은 로봇이 다양한 표면, 재료 및 물체를 만날 수있는 현실 세계와 안전하고 신뢰할 수있는 상호 작용에 중요합니다. Atlas가 상호 작용을 실시간으로 모니터링하고 조정할 수있는 강도 및 토크 센서, 촉각 센서 및 고급 조절 알고리즘을 사용하여 적응성이 달성됩니다.
학습 능력과 일반화 : 미래의 혁신의 기초
강화 학습을 통한보다 효율적인 학습 :
고급 직무 학습 기술의 사용은 Atlas가 이전보다 훨씬 빠르고 효율적으로 새로운 기술을 배울 수 있도록하기위한 것입니다. 여기에는 학습을 가속화하는 알고리즘 개발, 데이터가 포함됩니다.
적합:
귀하의 글로벌 마케팅 및 비즈니스 개발 파트너
✔️ 우리의 비즈니스 언어는 영어 또는 독일어입니다.
✔️ 새로운 기능: 자국어로 된 통신!
콘라드 울펜슈타인
나는 귀하와 우리 팀에 개인 고문으로 봉사하게 되어 기쁘게 생각합니다.
문의 양식을 작성하여 연락하시거나 +49 89 89 674 804 (뮌헨) 로 전화해 주세요 . 내 이메일 주소는: Wolfenstein ∂ xpert.digital
나는 우리의 공동 프로젝트를 기대하고 있습니다.