휴머노이드 로봇에 테니스 기술 학습을…

중국 칭화대 연구팀이 불완전한 인간 동작 데이터로 운동 능력이 높은 휴머노이드에 테니스 스킬을 학습시키는 레이턴트(LATENT)를 발표했다. 레이턴트는 사전 학습, 지식 증류, 고수준 정책 학습을 위한 휴머노이드 전용 학습 파이프라인을 제공하며 시뮬레이션에는 범용 물리 엔진인 뮤조코(MuJoCo)를 사용한다.

인간 운동선수는 고속으로 날아오는 테니스공을 받아치기 위해 다재다능하고 역동적인 테니스 스킬을 활용한다. 하지만 이런 동작을 휴머노이드로 재현하는 건 정말 어렵다. 테니스에서의 완벽한 휴머노이드 동작 데이터나 인간에 대한 운동학적 모션 데이터가 참조 자료로 부족하기 때문이다.

이에 칭화대 연구팀은 불완전한 인간 모션 데이터로 운동 능력이 높은 휴머노이드 테니스 스킬을 학습하는 시스템인 레이턴트를 구축했다. 불완전한 인간 모션 데이터는 실제 테니스 경기에서 얻을 수 있는 정확하고 완전한 인간의 테니스 동작 시퀀스가 아닌, 테니스를 플레이할 때 사용되는 기본 스킬을 포착한 모션 프래그먼트만으로 구성되기 때문에 데이터 수집의 난이도가 대폭 낮아진다고 연구팀은 밝혔다.

연구팀은 이런 데이터는 불완전함에도 테니스에서의 인간 기본 스킬에 관한 사전 정보를 제공하는 데 유용하다고 주장한다. 나아가 수정과 합성을 통해 다양한 조건에서 날아오는 공을 일관되게 받아치거나 목표 지점으로 되돌려 보내면서도 자연스러운 동작 스타일을 유지할 수 있는 휴머노이드를 훈련하는 게 가능하다.

또 시뮬레이션에서 실제 환경으로의 견고한 데이터 전송을 실현하기 위한 설계안을 복수로 제안해 유니트리 G1(Unitree G1)에 실제로 테니스를 플레이하도록 하는 데도 성공했다. 관련 내용은 이곳에서 확인할 수 있다.