PAC-MAN: 휴머노이드 피구에서 전신 안전을 위한 인지 기반 CBF-RL

핵심 요약

• 무엇을 · PAC-MAN은 로봇의 전신 안전을 보장하면서 피구공을 피하는 휴머노이드 로봇을 위한 인지 기반 제어-장벽 함수 강화 학습(CBF-RL) 프레임워크입니다.
• 어떻게 · 로봇은 머리 카메라로 공의 깊이 정보를 얻고, 훈련 중에는 모든 신체 부위의 안전 거리를 고려하는 CBF 지침을 받습니다. 또한, 회피 동작을 자연스럽게 만드는 적대적 동작 사전 학습을 활용합니다. 실제 배포 시에는 가벼운 Link-CBF 정책을 사용하여 불완전한 인지 속에서도 작동합니다.
• 결과 · 이 정책은 시뮬레이션 벤치마크에서 이상적인 상태를 아는 오라클과 거의 비슷한 성능을 보였습니다. 실제 Unitree G1 로봇에 적용했을 때, 불완전한 인지에도 불구하고 95%의 성공률로 공을 피하고, 의미론적 분할을 통해 다양한 공을 회피할 수 있었습니다.

왜 중요한가

이 연구는 로봇이 제한된 시각 정보만으로도 복잡하고 역동적인 환경에서 전신 안전을 유지하며 빠르게 반응할 수 있음을 보여줍니다. 이는 실제 로봇 배포의 중요한 과제 중 하나입니다.

실생활·산업 영향

향후 휴머노이드 로봇이 사람과 함께하는 환경에서 안전하게 상호작용하거나, 예측 불가능한 물체에 반응해야 하는 다양한 작업(예: 재난 구조, 물류)에 적용될 수 있습니다. 특히, 로봇이 스스로 위험을 회피하는 능력을 향상시킬 수 있습니다.

한계·주의

초록에는 명시적인 한계가 언급되어 있지 않지만, '불완전한 인지'를 허용한다고 언급된 점을 미루어 볼 때, 매우 복잡하거나 예측 불가능한 환경에서는 성능 저하가 있을 수 있습니다. 또한, 훈련 시 CBF 구조가 인지 관측 가능성에 의존한다는 점도 한계가 될 수 있습니다.