접촉 기반 블라인드 클라이밍 프레임워크

초록

CTBC는 바퀴와 장애물 간 접촉을 감지하면 사전 설계된 피드포워드 궤적을 즉시 실행해 다리 들어올림 동작을 유도하는 제어 체계이다. 비대칭 액터‑크리틱 PPO와 지도 학습 기반 인스트럭션을 결합해 휠 반경보다 큰 계단도 순수 proprioceptive 정보만으로 연속적으로 오를 수 있다. 다양한 휠 크기와 타이어 재질을 가진 두 종류의 로봇에 적용했으며, 시뮬레이션‑실제 전이와 실험 결과가 이를 입증한다.

상세 분석

본 논문은 휠‑다리 복합 로봇이 고정된 시각 센서 없이도 장애물을 극복할 수 있도록 ‘접촉 트리거’ 메커니즘을 설계하였다. 핵심 아이디어는 바퀴가 장애물에 닿는 순간, 접촉력의 xy 성분이 사전에 정의된 임계값을 초과하면 슬라이딩 윈도우 필터를 통해 신뢰성을 검증하고, 즉시 피드포워드 레퍼런스 궤적을 활성화한다는 것이다. 이 궤적은 다리의 리프팅 타이밍과 스윙 경로를 미리 지정해 주어, 강화학습 에이전트가 불필요한 탐색을 수행하지 않도록 한다.

학습 프레임워크는 비대칭 액터‑크리틱 구조를 채택했으며, 액터는 로봇이 실제 배포 시 접근 가능한 관측치(관절 각도·속도·중력·최근 액션 등)만을 사용한다. 반면 크리틱은 훈련 단계에서만 이용 가능한 ‘특권 정보’(접촉력, 높이 스캔, 선형 속도 등)를 받아 보다 정확한 가치 추정을 수행한다. 이러한 설계는 시뮬레이션에서의 샘플 효율성을 크게 높이고, 도메인 랜덤화와 함께 실세계 전이 성공률을 향상시킨다.

보상 함수는 크게 세 부분으로 나뉜다. 첫 번째는 목표 속도와 각속도 추적을 위한 ‘태스크 보상’이며, 두 번째는 발 위치·높이·공중 체류 시간 등 ‘스타일 보상’으로 자연스러운 보행 형태를 유도한다. 세 번째는 토크·가속도·관절 제한 위반 등을 억제하는 ‘정규화 보상’이다. 특히 발 리프팅 관련 보상은 접촉이 감지된 순간에만 활성화되는 조건부 형태로 구현돼, 평지 주행 시에는 고속 휠 구동을 유지하면서도 장애물 앞에서는 즉시 다리 스윙을 전환한다.

시뮬레이션 환경은 Isaac Gym을 기반으로 8 × 8 m 크기의 다양한 지형(경사면, 거친 경사면, 6가지 종류의 계단, 이산형 장애물)으로 구성했으며, 커리큘럼 학습을 통해 난이도를 단계적으로 상승시켰다. 또한 MuJoCo를 이용해 정책을 교차 검증함으로써 물리 엔진 간 차이에 대한 강인성을 확보했다.

실험에서는 휠 반경이 11 cm인 고무 고체 타이어 로봇(LimX Dynamics Tron1)과 12.7 cm 공압 타이어 로봇(Cowarobot R0)에 동일한 정책을 적용했다. 두 로봇 모두 20 cm 높이의 계단을 연속적으로 오를 수 있었으며, 이는 휠 반경을 크게 초과하는 성능이다. 실험 결과는 접촉 트리거와 피드포워드 인스트럭션이 결합될 때 학습 수렴 속도가 30 % 이상 빨라지고, 장애물 통과 성공률이 95 % 이상으로 향상된다는 것을 보여준다.

한계점으로는 접촉 임계값 설정이 로봇마다 민감하게 달라야 하며, 고속 주행 중 급격한 접촉 잡음이 발생할 경우 오탐지 위험이 존재한다. 또한 현재는 2족 로봇에만 적용되었으며, 다족 혹은 비대칭 휠 구성을 가진 플랫폼에 대한 확장은 추가 연구가 필요하다.

전반적으로 CTBC는 ‘접촉 → 명령 → 강화학습’이라는 삼중 결합 구조를 통해 휠‑다리 로봇의 범용적 장애물 극복 능력을 크게 확장했으며, 하드웨어 사양에 구애받지 않는 보편적 프레임워크로서 로봇 이동성 연구에 새로운 방향을 제시한다.