출판 : 2025 년 3 월 18 일 / 업데이트 : 2025 년 3 월 18 일 - 저자 : Konrad Wolfenstein
휴머노이드 스탠딩 제어 : 일상 생활 이미지에서 로봇을위한 호스트-획기적인 학습 : Humanoid-standup.github.io
단순히 일어나기
시뮬레이션에서 현실까지 : 호스트 Humanoid Robots가 자영업자를 가르치는 방법
기계가 점점 더 많은 인간 능력을 모방하는 인간형 로봇 공학의 매혹적인 세계에서, 단순하지만 근본적으로 중요한 기술은 중심적인 역할을하고 있습니다. 물론 우리 인간에게는 문제가됩니다. 그러나 Humanoid Robot의 경우, Up은 정교한 제어, 정확한 센서 및 지능형 알고리즘의 상호 작용을 요구하는 복잡한 도전입니다. 그러나이 능력은 엔지니어링 예술의 인상적인 시연 일뿐 만 아니라 휴머노이드 로봇을위한 필수 전제 조건은 일상 생활에서 자신의 자리를 찾고 다양한 책임 분야에서 우리를 지원할 수 있습니다.
다른 위치에서 일어나는 것은 단순한 추가 기능 이상입니다. 그것은 휴머노이드 로봇의 자율성과 다양성의 기초입니다. 로봇이 가정에서 당신을 도와 주거나 위험한 환경에서 돌보거나 일하는 데 도움을 주어야한다고 상상해보십시오. 이러한 모든 시나리오에서 다른 위치와 독립적으로 설정하는 능력이 매우 중요합니다. 이상적인 출발 위치에서만 작동하고 떨어지면 무력한 로봇은 실제 세계에서는 사용할 수 없습니다. 따라서 강력하고 다재다능한 -TO -UP 전략의 개발은 인간형 로봇을 연구 실험실에서 실제 세계로 가져 오는 핵심 단계입니다.
이 문제를 해결하기위한 이전의 접근법은 종종 한계에 도달했습니다. 많은 사람들은 통제 된 환경에서 일했던 힘들게 사전 프로그래밍 된 움직임을 기반으로했지만 예측할 수없는 현실에서는 신속하게 한계에 도달했습니다. 이 단단한 시스템은 융통성이없고 로봇이 예상치 못한 위치에 착륙하거나 고르지 않은 표면에있을 때 변화된 조건에 적응할 수 없었고 비참하게 실패했습니다. 다른 접근법은 복잡한 시뮬레이션 환경에 의존하며, 그 결과는 종종 실제 로봇으로 전송하기가 어려웠습니다. 소위“Sim-to Real Transfer”인 시뮬레이션에서 현실로의 도약은 많은 유망한 연구 접근법의 걸림돌로 판명되었습니다.
이러한 맥락에서, 혁신적인 프레임 워크는 휴머노이드 로봇을 얻는 것에 대한 생각을 기본적으로 변화시킬 수있는 단계에 들어가는 단계에 들어갑니다. 호스트는 단순한 방법 이상입니다. 패러다임 전환입니다. 아시아에서 유명한 대학 컨소시엄에 의해 개발되었으며 , 전통적인 접근 방식으로 휴식을 취하고 인간형 로봇을 가르치는 완전히 새로운 방법을 가져옵니다.
적합:
호스트 : 실수로부터 배우는 프레임 워크
호스트 혁신의 핵심은 사람과 동물이 배우는 방식에서 영감을 얻은 기계 학습 방법 인 RL (Renforcement Learning)의 사용에 있습니다. 어린이 자전거를 가르치는 것을 상상해보십시오. 그들은 그에게 모든 근육 운동에 대한 자세한 지침을주지 않지만 간단히 시도해 보도록하십시오. 아이가 그곳에 떨어지면 다음 시도에서 그의 움직임을 수정합니다. 시도와 오류를 통해 아이는 긍정적이고 부정적인 피드백을 통해 자전거를 마스터하는 법을 점차적으로 배웁니다. 강화 학습은 비슷한 원칙에 따라 작동합니다.
호스트의 경우, 휴머노이드 로봇은 시뮬레이션 된 환경에 배치되어 다른 위치에서 일어나는 작업에 직면합니다. 로봇은이 분야에서 "에이전트"역할을합니다. 그것은 행동,이 경우 그의 관절과 그의 몸의 움직임을 수행합니다. 각 캠페인에 대해, 그는 성공적인 방법에 따라“보상”또는“처벌”을받습니다. 그가 일어나면 긍정적 인 보상을받습니다. 그것이 떨어지거나 원치 않는 움직임을 일으키면, 그는 부정적인 보상을받습니다. 로봇은 경험과 전략의 최적화를 얻으려는 수많은 시도를 통해 최상의 스탠드 업 전략을 개발하는 법을 배우고 있습니다.
이전 RL 기반 접근법과의 결정적인 차이점은 호스트가 처음부터 학습한다는 것입니다. 사전 프로그래밍 된 움직임, 인간 시연 또는 기타 사전 지식이 사용되지 않습니다. 로봇은 "빈 시트"로 시작하여 완전히 독립적으로 전략을 개발합니다. 시스템이 인간 엔지니어가 생각해 낼 수있는 솔루션을 찾을 수있는 솔루션을 찾을 수 있기 때문에 이것은 근본적인 진보입니다. 또한이 시스템은 엄격한 가정이나 인간 편견에 의존하지 않기 때문에 매우 적응력이 있습니다.
다중 크리치 아키텍처의 마법
호스트 혁신의 또 다른 핵심은 다중 크리치 아키텍처입니다. 이를 이해하려면 강화 학습의 기능을 간단히 다루어야합니다. 일반적인 RL 시스템에는 액추에이터와 비평가의 두 가지 중심 구성 요소가 있습니다. 액추에이터는 행동을 선택하는 로봇의 두뇌, 즉 어떤 움직임을 수행 해야하는지 결정합니다. 비평가는 액추에이터의 행동을 평가하고 그에게 피드백을줍니다. 그는 액추에이터에게 자신의 행동이 좋고 나쁘고 어떻게 개선 될 수 있는지 여부를 말합니다. 전통적인 RL 접근 방식에는 보통 하나의 비평가 만 있습니다.
호스트는이 컨벤션과의 휴식을 취하고 대신 여러 전문 비평가들에게 의존합니다. 균형을 잡고, 올바른 자세를 취하고, 조인트를 조정하고, 회전 충동을 제어 할 때 중요한 측면이 있다고 상상해보십시오. 이러한 각 측면은 자체 "전문가"에 의해 평가 될 수 있습니다. 이것이 바로 다중 크리치 아키텍처를 만드는 이유입니다. 호스트는 여러 비평가 네트워크를 사용하며 각 비평가 네트워크를 사용하며 각 비평가 네트워크는 시작 과정의 특정 측면을 전문으로합니다. 예를 들어, 한 비평가는 균형을 평가하고, 다른 하나는 공동 조정 및 제 3자가 로터리 임펄스의 균형을 평가할 수 있습니다.
전문 비평가에 대한이 부서는 매우 효과적인 것으로 입증되었습니다. 기존 RL 시스템에서 종종 발생하는 문제를 해결합니다 : 부정적인 간섭. 단일 비평가가 복잡한 작업의 모든 측면을 동시에 평가하려고한다면 갈등과 혼란이 발생할 수 있습니다. 다양한 학습 목표는 서로를 방해하고 학습 과정을 늦추거나 실패 할 수 있습니다. 다중-크기 아키텍처는 학습 과제를 더 작고 선명한 하위 작업으로 분해하고 각 부분 작업에 대해 전문 비평가를 사용 하여이 문제를 우회합니다. 그런 다음 액추에이터는 모든 비평가들로부터 피드백을 받고 일어나는 다양한 측면을 최적으로 결합하는 법을 배웁니다.
이 다중-크기 아키텍처는 특히 일어나는 복잡한 작업과 관련이 있습니다. 일어나려면 균형을 유지하고 넘어지지 않기 위해 다양한 미세한 운동 기술과 로터리 충동의 정확한 제어가 필요합니다. 전문 비평가를 통해 호스트는 구체적으로 이러한 다양한 측면을 훈련시키고 최적화 할 수 있으며, 이는 단일 비평가와의 기존 접근 방식보다 훨씬 더 나은 결과를 초래합니다. 연구자들은 그들의 연구에서 다중 크리치 아키텍처가 성능의 상당한 도약을 가능하게하고 호스트가 기존의 방법을 사용하여 도달 할 수없는 스탠드 업 전략을 개발할 수있게한다는 것을 보여 주었다.
커리큘럼 학습 : 단순에서 단지까지
호스트의 성공의 또 다른 열쇠는 커리큘럼 기반 교육입니다. 이 방법은 인간 학습 과정을 기반으로하며, 간단한 기본부터 시작한 다음 천천히 우리에게 일하는 복잡한 기술을 학습합니다. 사이클링의 예에 대해 생각해보십시오. 어린이가 두 바퀴를 운전하는 법을 배우기 전에, 임펠러의 균형을 유지하거나 지원 자전거로 운전하는 법을 배울 수 있습니다. 이러한 준비 운동은 나중에 학습 과정을 더 쉽게 만들고 더 빠르고 성공적인 진전을 보장합니다.
호스트는 비슷한 원칙을 구현했습니다. 로봇은 처음부터 가장 어려운 과제, 즉 어떤 위치에서 어떤 표면에서나 일어나기 위해 직면하지 않습니다. 대신, 그것은 과제가 점차 복잡해지는 비틀 거리는 커리큘럼이 적용됩니다. 훈련은 단순한 시나리오 (예 : 평평한 바닥의 거짓말 위치에서 일어나기)로 시작합니다. 로봇 이이 작업을 잘 마스터하자마자 조건이 점차 어려워집니다. 앉은 위치에서 일어나거나 벽에 누워있는 방법에 대한 새로운 시작 위치가 있습니다. 표면은 또한 평평한 토양에서 약간 고르지 않은 표면에 이르기까지 다양합니다.
이 커리큘럼 기반 교육에는 몇 가지 장점이 있습니다. 한편으로는 솔루션 공간을보다 효율적으로 탐색 할 수 있습니다. 이 로봇은 처음에 일어나는 기본 측면에 중점을두고 간단한 시나리오에서 마스터하는 법을 배웁니다. 이것은 학습 과정을 가속화하고 로봇은 우수한 수준의 성능에 도달합니다. 반면, 커리큘럼은 모델의 일반화를 향상시킵니다. 더 다양하고 복잡한 작업으로 로봇에 점차 대면함으로써, 그는 다양한 상황에 적응하고 이상뿐만 아니라 실제 환경에서도 작동하는 강력한 전략을 개발하는 법을 배웁니다. 예측할 수없는 표면과 시작 위치가 예외가 아니라 규칙이되는 실제 세계에서 시스템의 견고성에 다양한 교육 조건이 중요합니다.
적합:
운동 제한을 통한 현실
호스트의 또 다른 중요한 측면은 실제 적용 가능성을 고려하는 것입니다. 시뮬레이션은 로봇을 훈련시키는 강력한 도구이지만 실제 세계는 더 복잡하고 예측할 수 없습니다. 시뮬레이션에서 현실로의 도약을 성공적으로 마스터하기 위해, 호스트는 운동에 대한 두 가지 중요한 제한을 구현하여 배운 전략이 실제 하드웨어에서도 구현 될 수 있고 로봇을 손상시키지 않도록 할 수 있습니다.
첫 번째 제한은 원활한 정규화입니다. 이것은 진동 운동을 줄이는 것을 목표로합니다. 시뮬레이션에서 로봇은 실제로 문제가되는 움직임을 수행 할 수 있습니다. 예를 들어, 그들은 물리적 하드웨어에 유해하거나 불안정한 행동으로 이어질 수있는 육포, 떨리는 움직임을 만들 수 있습니다. 스무드 정규화는 학습 된 움직임이 더 부드럽고 유동적이며 하드웨어의 경우 더 온화 할뿐만 아니라보다 자연스럽고 안정적인 스탠드 업 동작으로 이어집니다.
두 번째 제한은 암시 적 이동 속도 제한입니다. 이것은 너무 빠르거나 갑작스러운 움직임을 방지합니다. 여기서도 시뮬레이션은 종종 로봇이 비현실적으로 고속으로 움직임을 수행 할 수있는 이상적인 조건을 나타냅니다. 그러나 실제 세계에서는 이러한 갑작스러운 움직임으로 인해 로봇이 손상 될 수 있습니다. 예를 들어 엔진에 과부하가 걸리거나 조인트 손상이 발생합니다. 운동 속도 제한은 배운 움직임이 실제 하드웨어의 물리적 한계 내에 남아 있고 로봇을 위험에 빠뜨리지 않도록합니다.
운동에 대한 이러한 제한은 SIM-real Transfer에 중요합니다. 그들은 시뮬레이션에서 배운 전략이 이론적으로 작동 할뿐만 아니라 하역을 과부하 시키거나 손상시키지 않으면 서 실제 로봇에서 실질적으로 구현 될 수 있도록 보장합니다. 그들은 시뮬레이션과 현실 사이의 격차를 해소하고 실제 세계에서 사용하기 위해 휴머노이드 로봇을 준비하는 중요한 단계입니다.
실제 테스트 : Unitree G1의 호스트
모든 로봇 제어 방법에 대한 실제 테스트는 실제 하드웨어에서 실질적인 구현입니다. 호스트의 성능을 보여주기 위해 연구원들은 시뮬레이션에서 배운 제어 전략을 Unitree G1 Humanoid Robot으로 이전했습니다. Untree G1은 민첩성, 견고성 및 현실적인 구성으로 특징 지어지는 고급 인간형 플랫폼입니다. 현실 세계에서 호스트의 기술을 평가하는 것은 이상적인 테스트 베드입니다.
실제 테스트의 결과는 인상적이며 호스트 접근법의 효과를 확인했습니다. 호스트에 의해 제어되는 Untree G1 로봇은 다양한 위치에서 놀라운 충격 기능을 보여 주었다. 그는 거짓말 위치, 앉은 위치, 무릎, 심지어 물건에 기대어 있거나 고르지 않은 표면에있는 위치에서 성공적으로 일어나도록 성공적으로 올라갈 수있었습니다. 시뮬레이션 된 기술을 현실 세계로 전달하는 것은 거의 매끄럽고 호스트로부터의 고품질의 심판 전송을 강조합니다.
특히 주목할만한 것은 숙주 제어 Unitree G1이 보여준 장애의 견고성입니다. 실험 테스트에서 로봇은 예를 들어 범프 나 타격으로 외부 힘에 직면했습니다. 그는 자신의 차단을 막는 장애물에 직면했다. 안정성과 하중 부유 용량을 테스트하기 위해 무거운 하중 (최대 12kg)이 적재되었습니다. 이러한 모든 상황에서 로봇은 놀라운 저항을 보여 주었고 균형을 잃거나 전복하지 않고 성공적으로 설정할 수있었습니다.
인상적인 데모 비디오에서 호스트의 견고성이 특히 분명해졌습니다. 그곳에서 시작 과정에서 사람이 Unitree G1 로봇에 어떻게 부딪 쳤는지 알 수있었습니다. 이러한 거대한 장애에도 불구하고 로봇을 제거 할 수 없었습니다. 그는 자신의 움직임을 실시간으로 수정하고 예상치 못한 효과를 조정했으며 마침내 안전하고 안정적으로 일어났습니다. 이 데모는 예측할 수없는 실제 환경에서 호스트 시스템의 실질적인 적용 가능성과 신뢰성을 인상적으로 보여줍니다.
적합:
절제 연구 : 성분의 상호 작용
숙주의 개별 성분의 중요성을보다 정확하게 조사하기 위해 연구원들은 광범위한 절제 연구를 수행했습니다. 이 연구에서, 전반적인 성능에 미치는 영향을 분석하기 위해 호스트 프레임 워크의 개별 요소가 제거되거나 변경되었습니다. 이 연구의 결과는 호스트의 기능에 대한 귀중한 통찰력을 제공하고 중앙 혁신의 중요성을 확인했습니다.
절제 연구의 핵심 결과는 다중 크리치 아키텍처의 결정적인 역할을 확인하는 것이 었습니다. 연구원들이 단일 비평가 만 사용하는 방식으로 시스템을 수정했을 때 시스템은 불쌍하게 실패했습니다. 더 이상 성공적인 위험을 배울 수 없었고 로봇은 대부분의 경우 무력한 상태를 유지했습니다. 이 결과는 호스트의 성능에 대한 다중-크리치 아키텍처의 중심적 중요성을 강조하고 전문 비평가들이 실제로 학습 성공에 상당한 기여를한다는 것을 확인합니다.
커리큘럼 기반 교육은 또한 절제 연구에서 중요한 성공 요인으로 판명되었습니다. 연구원들이 어려움이 점진적으로 증가하지 않고 무작위 훈련으로 커리큘럼을 교체했을 때, 시스템의 성능은 악화되었습니다. 로봇은 더 천천히 배우고, 성능이 낮은 수준에 도달했으며 다양한 출발 위치 및 기판에 비해 덜 강력했습니다. 이는 커리큘럼 기반 교육이 학습 과정의 효율성을 향상시키고 모델의 일반화를 향상 시킨다는 가정을 확인합니다.
구현 된 이동 제한은 특히 실제 적용 가능성과 관련하여 총 출력에 크게 기여했습니다. 연구원들이 평활성 정규화와 움직임 속도 제한을 제거했을 때 로봇은 여전히 시뮬레이션에서 배웠지 만 실제로는 안정적이지 않았고 자주 쓰러지거나 바람직하지 않은 육포 움직임으로 이어졌습니다. 이것은 움직임에 대한 제한이 시뮬레이션에서 시스템의 유연성을 약간 제한하지만, 실제 세계에서는 강력하고 안전하며 하드웨어가 우호적 인 행동을 보장하기 위해 필수적임을 보여줍니다.
호스트 : 다재다능한 휴머노이드 로봇을위한 발판
다른 위치에서 일어나는 능력은 언뜻보기에는 사소한 것처럼 보일 수 있지만 실제로는 실제로 다재다능하고 자율적 인 휴머노이드 로봇을 개발하기위한 기본적인 퍼즐입니다. 보다 복잡한 운동 및 조작 시스템으로의 통합의 기초이며 다양한 새로운 응용 프로그램을 열어줍니다. 로봇이 일어나서 다른 작업 사이에서 매끄럽게 움직일 수 있다고 상상해보십시오. 소파에서 일어나서 테이블로 가서 물체를 잡고, 장애물을 피하고, 그가 우연히 발견했을 때 일어나십시오. 물론 인간에게 문제가되는 환경과의 원활한 상호 작용 유형은 휴머노이드 로봇 공학의 목표이며 호스트는이 목표에 결정적인 단계를 겪게합니다.
호스트는 인간의 형태와 인간 환경과 상호 작용하는 능력이 유리한 다양한 영역에서 미래에 호스트와 함께 사용될 수 있습니다. 간호에서, 그들은 나이가 많거나 아픈 사람들을 지원하고, 일어나서 앉아서, 충분한 물건을 대상하거나 가정을 도울 수있었습니다. 서비스 지역에서는 호텔, 레스토랑 또는 상점에서 고객을 운송하거나 상품을 운송하거나 정보를 제공하는 데 사용될 수 있습니다. 재난 구호 또는 산업 공장과 같은 위험한 환경에서는 사람들에게 너무 위험하거나 너무 지친 작업을 수행 할 수 있습니다.
또한, 완고한 생산에도 일어나는 능력도 필수적입니다. 폭포는 특히 고르지 않은 환경에서 인간화 로봇의 일반적인 문제입니다. 타락 후 독립적으로 일어나지 못하는 로봇은 그러한 환경에서 빠르게 무력합니다. 호스트는 로봇이 예기치 않은 위치에서 다시 나타나고 작업을 계속할 수 있으므로 솔루션을 제공합니다. 이로 인해 휴머노이드 로봇의 신뢰성과 보안이 향상되고보다 강력하고 실용적인 도구가됩니다.
호스트는 새로운 세대의 휴머노이드 로봇을위한 길을 열어줍니다.
호스트는 기존 방법의 추가 개발 이상입니다. 그것은 휴머노이드 로봇의 제어에서 중요한 돌파구입니다. 다소 크기 아키텍처 및 커리큘럼 기반 교육을 통해 강화 학습의 혁신적인 사용을 통해 이전 접근 방식의 제한을 극복하고 로봇이 놀라운 다양한 위치와 다양한 표면에서 일어날 수 있도록합니다. 시뮬레이션에서 실제 로봇으로의 성공적인 전송은 Unitre G1에서 보여 주며, 장애에 대한 인상적인 견고성은 실제 응용에 대한이 방법의 막대한 잠재력을 강조합니다.
호스트는 실험실에서 깊은 인상을 줄뿐만 아니라 실제 세계에서 실제 부가가치를 제공 할 수있는 휴머노이드 로봇으로가는 중요한 단계입니다. 그것은 인간형 로봇이 일상 생활에 원활하게 통합되고 다양한 과제에서 우리를 지원하며 삶을 더 편안하고 편안하고 효율적으로 만드는 미래의 비전에 더 가깝게 만듭니다. 호스트와 같은 기술을 통해 일상 생활에서 우리와 함께하는 인간형 로봇에 대한 미래의 미래 아이디어는 점점 더 실질적인 현실이됩니다.
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.
