로봇 조작의 강건성: 기초와 최첨단

Robustness of Robotic Manipulation: Foundations and Frontiers

인간과 동물은 물리적 조작에서 놀라운 수준의 강건성을 보이지만, 로봇은 아직 이에 미치지 못합니다. 인간 수준의 조작 강건성에 대한 발전은 통일되고 체계적인 이해 부족으로 인해 방해받고 있습니다. 각 연구 분야는 강건성을 서로 다른 방식으로 정의하여 개념을 모호하게 만들고, 심층적인 분석 및 연구 분야 간의 소통을 제한합니다. 본 논문에서는 조작 강건성에 대한 체계적인 연구를 제시합니다. 우리는 불확실성과 변동이 존재하는 상황에서도 조작 시스템이 목표를 달성할 수 있는 정도를 강건성으로 정의하여 시작합니다. 이 정의를 바탕으로, 확률론적 및 제어 이론적 관점에서 조작 강건성의 일반적인 공식화를 소개합니다. 또한, 인지, 계획, 제어, 정책 학습 및 하드웨어 전반에 걸쳐 조작 강건성의 핵심 원칙과 구체적인 메커니즘을 종합적으로 분석하고, 각 메커니즘을 대표적인 연구 사례를 통해 설명합니다. 더불어, 조작 강건성을 정량화하기 위한 기존의 측정 방법 및 평가 방법을 재검토합니다. 마지막으로, 강건한 조작 시스템 설계에 대한 광범위한 교훈을 도출하고, 로봇 조작에서 인간 수준의 강건성을 달성하기 위한 미해결 과제와 미래 연구 방향에 대해 논의합니다.

Humans and animals exhibit remarkable robustness in physical manipulation, yet robots remain far behind. Progress toward human-level manipulation robustness is hindered by the absence of a unified and systematic understanding: different subfields frame robustness in distinct ways, often leaving the concept ambiguous and limiting deeper analysis as well as communication across research areas. This paper presents a systematic study of manipulation robustness. We begin with a formal definition, characterizing robustness as the degree to which a manipulation system can achieve its goal in the presence of uncertainty and variation. Building on this definition, we introduce general formulations of manipulation robustness from probabilistic and control-theoretic perspectives. We then synthesize the guiding principles and concrete mechanisms of manipulation robustness across perception, planning, control, policy learning, and hardware, illustrating each mechanism through representative works, including foundational and recent studies. In addition, we revisit existing metrics and evaluation methods for quantifying manipulation robustness. Finally, we distill broader lessons for designing robust manipulation systems and discuss open problems and future directions toward achieving human-level robustness in robotic manipulation.