휴머노이드가 거친 지형을 더 잘 걷도록 가르친 새 방법 ^{CEFR B2}

조지아 공과대학 연구진은 울퉁불퉁한 실제 지형에서도 휴머노이드 로봇이 더 빠르고 저렴하게 걷도록 가르치는 새로운 전체 몸(body) 제어기 학습 방법을 제안했습니다. 연구팀은 캠퍼스에서 구할 수 있거나 모사하기 쉬운 모래, 젖은 잔디, 자갈, 경사면, 계단과 평지 위에서 보행을 시험했습니다. 기계학습 박사 과정 학생이 전체 몸 제어기 연구를 주도했으며, 제안한 방법은 계산적으로 더 빠르고 기존 대표적 훈련 방식보다 비용이 적게 듭니다. 연구팀은 훈련에 포함되지 않은 일부 표면에서도 제어기가 잘 작동한 사실에 주목했습니다.

연구진은 전형적인 교사-학생 학습 흐름을 재검토했습니다. 기존 방식에서는 상세한 시뮬레이션 정보를 가진 '교사' 에이전트를 먼저 훈련시키고 그 뒤에 정보가 제한된 '학생'을 학습시키는데, 이 순차적 절차는 오랜 시간이 걸리고 교사가 수집한 유용한 정보의 일부가 학생에게 전달되지 않아 낭비될 수 있습니다. 훈련 시간은 GPU에서 수 시간에 걸친 계산을 필요로 하여 비용이 크게 듭니다.

조지아 공대 팀은 교사와 학생을 동시에 훈련하는 방식을 도입했습니다. 교사는 계속 학습하면서 학생을 점진적으로 가르치고, 동시에 학생이 만들어낸 데이터로부터도 학습합니다. 이 변화는 교사가 사용한 일부 정보를 학생이 갖지 못하는 모방 격차를 줄이는 데 도움이 됩니다. 시뮬레이션 훈련을 마친 뒤 연구진은 Ye Zhao의 실험실에서 물리적 휴머노이드에 제어기를 적용했고, 로봇은 다양한 표면을 매끄럽게 걷고 연구자들이 보행을 방해할 때에도 적응했습니다. 이 'Learn to Teach' 프레임워크는 다른 로봇 설계나 보행을 넘는 과제에도 적용할 수 있도록 범용적으로 설계되었습니다. 연구는 George W. Woodruff School of Mechanical Engineering와 School of Computational Science and Engineering의 공동 연구로 수행되었고, Office of Naval Research, US Department of Agriculture, National Science Foundation의 지원을 받았습니다.