관절 도구를 능숙하게 다루는 로봇 손을 위한 시뮬레이션-현실 전환 프레임워크

한줄 요약

관절 도구의 능숙한 조작을 위해 컴퓨터 애니메이션의 키프레임 개념을 도입하여, 시뮬레이션에서 절차적으로 생성한 그립 자세를 강화학습으로 미세 조정함으로써 실제 로봇 손이 다양한 관절 도구를 제로샷으로 다룰 수 있게 한 프레임워크.

풀어야 하는 문제

기존 로봇 조작 연구는 주로 강체(rigid object)에 집중되어 왔으며, 가위, 집게, 스프레이 건 등 관절이 있는 도구(articulated tool)의 조작은 내부 자유도와 접촉 역학이 복잡하여 거의 다루어지지 않았다. 특히, 기능적인 파지(functional grasp)와 손 안에서의 조작(in-hand manipulation)을 동시에 학습하는 것은 매우 어려운 문제이다.

접근 방법

Mana는 크게 두 단계로 구성된다. 첫째, 절차적 생성(procedural generation)을 통해 도구의 기능적 특성(예: 가위의 날, 손잡이)에 맞는 그립 키프레임을 몇 번의 마우스 클릭만으로 생성한다. 둘째, 이 키프레임을 시작점으로 하여 운동 계획(motion planning)과 강화학습(RL)을 결합한 파이프라인을 통해 부드러운 조작 궤적을 학습한다. 전체 데이터 생성 과정은 거의 자동화되어 있으며, 도구당 1분 미만의 수동 작업만 필요하다.

결과·기여

가위, 집게, 스프레이 건, 접이식 칼 등 네 가지 관절 도구에 대해 시뮬레이션에서 학습한 정책을 실제 로봇 손(예: Allegro Hand)에 제로샷(zero-shot)으로 전이하여 성공적인 파지 및 손 안 조작을 시연했다. 이는 관절 도구 조작 분야에서 최초의 sim-to-real 성공 사례로, 확장 가능한 데이터 생성 방식과 강건한 정책 학습을 결합한 실용적인 프레임워크를 제공한다.