AI가 손상에 적응하는 모듈러 로봇

AI 컨트롤러 탑재 모듈러 로봇, 실시간 손상에 적응

Northwestern University 연구원들이 AI를 활용해 이동 전략을 생성하는 모듈러 로봇을 개발했습니다. 각 모듈은 배터리, 모터, 처리 보드, 고유수용감각 및 전정 센서를 갖춘 자율 노드입니다. 링크는 축 주위로 360° 회전하며 점프, 회전, 구르기 등의 기본 동작을 가능하게 합니다. 구조는 18개 연결 지점에서 120° 회전으로 연결되며 435개의 2모듈 구성을 형성합니다. 볼트 기반 도킹 스테이션은 동적 하중을 견딥니다.

시스템은 외부 모션 캡처 데이터 없이 내부 센서만으로 작동합니다. AI는 진화를 모방한 시뮬레이션에서 컨트롤러를 훈련시켜 궤적을 최적화합니다.

단일 모듈 작동 원리

단일 유닛은 하나의 자유도로 주요 기동을 보여줍니다:

• 점프 (F–I): 링크 회전이 이륙 임펄스를 생성합니다.
• 제자리 회전 (J–M): 전략이 반전에도 견고하며 회전 방향을 유지합니다.
• 구르기 (N–P): 뒤로 밀리는 힘에 저항하며 빠르게 회복합니다.

조립체에서 모듈들은 데이터를 교환해 협력을 합니다. 손상이나 연결 해제 시 남은 노드들이 움직임을 재구성합니다: 점프, 크롤링, 물결 모양 이동으로 목표에 도달합니다.

전문 정책 기반 AI 훈련

팀은 LLM과 유사한 자기회귀 모델을 적용해 센서모터 데이터를 합성했습니다. 전문 컨트롤러는 다음 시나리오에 훈련됩니다:

• 무손상 로봇 (A, F).
• 한 팔다리 손실 (B, D).
• 두 팔다리 손실 (C).
• 네 개 모두 손실 (E).

모델은 센서 이력에서 동작을 예측하며 절단에 독립적인 정책을 형성합니다. 테스트에서 손상 시 베이스라인 컨트롤러보다 우수한 성능을 보였습니다:

• 한 뒷다리 제거: + 변위.
• 두 뒷다리 모두 제거: + 변위.
• 하나의 모듈만 남음: + 변위.

무손상 로봇의 경우 전문 수준과 맞먹습니다.

다중 모듈 구성 시연

5모듈 조립체가 곡예 동작을 마스터합니다:

• 66° 공중 회전 점프 (B–F).
• 반전 위치에서 자력 자세 복구 (G–L): 구부리고 비틀어 자세를 회복합니다.

모든 구성에서 이러한 동작 훈련이 가능합니다. 로봇은 예상치 못한 손상을 무시하고 순수하게 A 지점에서 B 지점으로 이동하는 데 집중합니다.

주요 포인트:

• 모듈러 설계가 내고장성을 보장합니다: 반으로 잘라도 움직임이 멈추지 않습니다.
• AI 컨트롤러는 고유수용감각/전정 데이터만 사용합니다.
• 자기회귀 훈련이 모든 손상에 대한 정책을 합성합니다.
• 435개의 2모듈 변형 + 다중 모듈 조립체.
• 벤치마크가 절단 시 효율 향상을 확인합니다.

로보틱스 응용 전망

이 접근법은 실제 작업으로 확장 가능합니다: 수색 및 구조 작전, 행성 로버 등. 형태에 의존하지 않아 미지 환경 배포가 간단합니다. 중급/시니어 개발자들에게 핵심은 모션 캡처 없이 전문 정책에서 생성 모델로의 전이 학습입니다. 구현에는 힌지 물리와 고하중 연결을 지원하는 시뮬레이터가 필요합니다.

— Editorial Team