사족 보행을 위한 신속한 로봇 몸체 적응

Rapid Embodiment Adaptation for Quadrupedal Locomotion

사람은 나이 증가, 부상 또는 무게 지탱과 같이 신체 변화에 따라 자연스럽게 움직임을 적응시키지만, 학습 기반 로봇 제어 방식은 하드웨어 속성이 변경될 때 종종 제대로 작동하지 않습니다. 본 논문에서는 사족 보행을 위한 온라인 몸체 적응 프레임워크를 소개합니다. 이 프레임워크는 짧은 상호 작용 기록으로부터 몸체 파라미터를 추론하고, 추론된 하드웨어 상태에 기반하여 제어를 수행합니다. 저희 방법은 몸체 랜덤화 환경에서 훈련된 일반적인 정책과 결합되어 있으며, 물리적 변화를 0.5초 이내에 식별하는 경량 적응 모듈을 사용합니다. 저희는 관절 범위 제한 및 트렁크 질량 변화라는 두 가지 대표적인 몸체 변형 사례를 평가했습니다. 시뮬레이션 결과, 해당 모듈은 이러한 변화를 정확하게 추정하며, 상호 작용 기록에 직접 의존하는 정책보다 훨씬 뛰어난 폐쇄 루프 제어를 가능하게 합니다. 실제 Unitree Go2 로봇에서 저희 시스템은 평가된 변화의 심각한 수준에서도 안정적인 보행을 유지합니다. 여기에는 완전히 고정된 다리와 5kg의 추가 무게가 포함되며, 이러한 상황에서는 적응 방식이 아닌 방법이 실패합니다. 이러한 결과는 관절 제한 및 하중-질량 변화에 대한 신속한 적응을 위한 명시적인 온라인 몸체 식별의 실용성을 보여주며, 불확실하고 손상되었거나 변경된 로봇 하드웨어에 대처하기 위한 발판을 마련합니다.

Humans readily adapt their movements as their bodies change through aging, injury, or load carrying, but learning-based robot policies often break when hardware properties shift. We introduce an online embodiment adaptation framework for quadrupedal locomotion that infers embodiment parameters from short interaction histories and conditions control on the inferred hardware state. Our method pairs a generalist policy trained under embodiment randomization with a lightweight adaptation module that identifies physical changes within half a second. We evaluate two representative forms of embodiment variation: joint-range constraints and trunk-mass changes, corresponding to joint-level kinematic degradation and body-level dynamic variation. In simulation, the module accurately estimates these changes and enables closed-loop control that substantially outperforms policies conditioned directly on interaction history. On a real Unitree Go2 robot, our system maintains stable locomotion under severe instances of the evaluated changes, including a fully locked leg and a 5 kg payload, where non-adaptive methods fail. These results demonstrate the practicality of explicit online embodiment identification for rapid adaptation to joint-limit and payload-mass changes, and provide a step toward handling broader forms of uncertain, degraded, or changing robot hardware.