Any2Any: Efficient Cross-Embodiment Transfer for Humanoid Whole-Body Tracking

LimX Dynamics의 연구진은 사전학습된 휴머노이드 전신 추적(WBT) 정책을 서로 다른 로봇 형상에 효율적으로 이전하는 프레임워크 ANY2ANY를 개발했다.

Any2Any는 한 휴머노이드에서 미리 학습한 전신 추적 정책을 다른 몸체의 로봇으로 적은 비용에 옮기는 사후학습 방법이다. 먼저 관절 배치와 기구학 차이를 정렬해 목표 로봇의 관측과 행동을 원래 정책이 이해할 수 있게 만든다. 그다음 동역학에 민감한 모듈에만 가벼운 저랭크 어댑터를 적용해 기존의 동작 지식을 보존하면서 새 로봇의 차이를 학습한다. 두 개의 사전학습 백본과 네 종류 휴머노이드 사이 여섯 개 전이에서 처음부터 학습하는 것보다 빠르게 수렴하고 경쟁력 있는 추적 성능을 보였다. 특히 전체 학습에 필요한 데이터와 연산의 약 1%만 사용하고 정책 매개변수의 약 5%만 수정해, 로봇마다 전신 제어기를 다시 만드는 비용을 크게 줄일 가능성을 제시한다.

핵심 요약

• 희소 산란 행렬은 기본적인 대응 관계를 처리하여 목표 관절을 소스 배치의 대응 관절에 매핑하고, 여분의 관절은 버리거나 누락된 관절은 0으로 채운다.
• 병렬 관절 결합 행렬은 일부 로봇이 사용하는 비직렬 기구(예: 평행사변형 구동 발목)를 처리하여, 구동 관절 각도와 실제 기구학적 각도 사이의 차이를 보정한다.

논문 링크

외부 연구를 정리한 자료입니다. HDATF가 발표한 논문이나 제품 성능을 측정한 결과는 아닙니다.