휴머노이드 반응형 제어 기술 'Reflex' 공개

요약

Reflex는 휴머노이드가 시각 정보를 기반으로 실시간으로 반응하여 물체를 포착하는 3단계 제어 프레임워크를 제안합니다. 이 프레임워크는 강화학습을 통해 전신 제어를 학습한 뒤, 불완전한 관측으로부터 움직이는 물체의 동역학을 추론하고, 최종적으로 RGB-D 인코더를 통해 이를 시각 정보에서 복원하도록 설계되었습니다. 시뮬레이션 결과, Reflex는 RGB-D 기반 환경에서 85.7%의 포착 성공률을 기록했으며, 이는 특권적 정보를 사용하는 경우와 유사한 수준입니다. 특히 과거 시각 정보를 활용하는 것이 성능에 결정적이며, 이를 제거할 경우 성공률이 35.6~39.8%p 대폭 하락했습니다. 실제 Unitree G1 로봇에 적용했을 때 2.5m와 5m 거리에서 각각 65%, 40%의 성공률을 보였으며, 이는 인간 포착자의 76%와 59% 수준에 해당합니다.

AI가 원문을 요약한 내용으로, 부정확할 수 있습니다.