IJPEM
Reinforcement Learning Framework for Improving Real-World Performance of the Bipedal Robot SUBO-2 with Low-Backdrivability
240:1 고감속 휴머노이드 로봇의 보행 제어
김정엽/서울과학기술대학교
- 기존 저감속 구동기(QDD)의 한계를 넘어 최대 240:1 하모닉 기어를 장착한 저역구동성 이족보행 로봇(SUBO-2)의 제어 난제를 해결함.
- 각속도 보상을 추가한 비지도 학습 기반 구동기 네트워크(UAN)로 구동기의 마찰과 관성을 모사하여 가상-현실 간 제어 격차를 최소화함.
- 립시츠 제약 정책(LCP)을 도입해 정책 기울기를 제한함으로써 구동기의 급격한 토크 변화(Jerk)를 억제하고 안정적인 보행을 구현함.
- 하드웨어의 물리적 비선형성을 스스로 학습하고 제약으로 내재화하여, 고가의 토크 센서나 복잡한 튜닝 없이 고감속 구동기를 유연하게 제어할 수 있는 프레임워크를 제시함.
메뉴열기
