Core Concepts
학습된 동작 생성 모델을 기반으로 장애물 회피, 경유점 통과, 속도 및 가속도 제한과 같은 다양한 제약 조건을 만족하도록 동작을 실시간으로 적응시키는 방법을 제안한다.
Abstract
이 연구는 로봇 팔의 고차원 동작 생성 문제를 다룬다. 주요 내용은 다음과 같다:
시뮬레이션 데이터를 활용하여 Transformer 기반의 조건부 변분 자동 인코더 모델을 학습한다. 이 모델은 초기 및 목표 위치를 입력받아 동작 궤적을 생성할 수 있다.
자기회귀 디코더와 온라인 추론 방법을 활용하여, 생성된 동작 궤적을 장애물 회피, 경유점 통과, 속도 및 가속도 제한과 같은 다양한 제약 조건에 맞게 실시간으로 적응시킨다.
빔 서치와 브라운 브릿지 기반의 방법을 통해 제약 조건을 효과적으로 만족시키는 동작 궤적을 생성한다.
다양한 로봇 플랫폼의 데이터를 활용하여 모델을 학습함으로써, 새로운 로봇에 대한 일반화 성능을 향상시킨다.
실험 결과, 제안된 방법은 장애물 회피, 경유점 통과, 속도 및 가속도 제한 등의 다양한 제약 조건을 만족하는 동작 궤적을 생성할 수 있음을 보여준다.
Stats
속도 제한 범위: 최대 0.050 m/s (원본 데이터 최대 0.094 m/s)
가속도 제한 범위: 최대 0.020 m/s^2 (원본 데이터 최대 0.031 m/s^2)