PMG: 인간과 유사한 보행 제어를 위한 매개변수 기반 동작 생성기

PMG: Parameterized Motion Generator for Human-like Locomotion Control

최근 데이터 기반 강화 학습 및 동작 추적 기술의 발전으로 인해 휴머노이드 로봇의 보행 성능이 크게 향상되었지만, 여전히 해결해야 할 중요한 실용적인 과제들이 남아 있습니다. 특히, 저수준 동작 추적 및 경로 추종 제어기는 성숙한 단계에 있지만, 전체 신체 참조 기반 방법은 고수준 명령 인터페이스 및 다양한 작업 환경에 적용하기 어렵습니다. 이러한 방법은 대규모의 고품질 데이터 세트가 필요하며, 속도 및 자세 변화에 민감하고, 로봇의 특정 보정에 의존하는 경향이 있습니다. 이러한 한계를 극복하기 위해, 우리는 인간 동작 구조 분석을 기반으로 설계된 실시간 동작 생성기인 매개변수 기반 동작 생성기(PMG)를 제안합니다. PMG는 소량의 매개변수화된 동작 데이터와 고차원 제어 명령을 결합하여 참조 궤적을 생성합니다. 모방 학습 파이프라인 및 최적화 기반 시뮬레이션-실제 로봇 모터 파라미터 식별 모듈과 함께, 저희는 PMG를 저희의 휴머노이드 프로토타입인 ZERITH Z1에서 검증했습니다. 그 결과, PMG는 단일 통합 시스템 내에서 자연스럽고 인간과 유사한 보행을 구현하며, VR 기반 원격 조작을 포함한 고차원 제어 입력에 정확하게 반응하고, 효율적이고 검증 가능한 시뮬레이션-실제 로봇 적용을 가능하게 합니다. 이러한 결과들은 자연스럽고 실용적인 휴머노이드 제어를 위한 실증적으로 검증된 경로를 제시합니다. 웹사이트: https://pmg-icra26.github.io/

Recent advances in data-driven reinforcement learning and motion tracking have substantially improved humanoid locomotion, yet critical practical challenges remain. In particular, while low-level motion tracking and trajectory-following controllers are mature, whole-body reference-guided methods are difficult to adapt to higher-level command interfaces and diverse task contexts: they require large, high-quality datasets, are brittle across speed and pose regimes, and are sensitive to robot-specific calibration. To address these limitations, we propose the Parameterized Motion Generator (PMG), a real-time motion generator grounded in an analysis of human motion structure that synthesizes reference trajectories using only a compact set of parameterized motion data together with high-dimensional control commands. Combined with an imitation-learning pipeline and an optimization-based sim-to-real motor parameter identification module, we validate the complete approach on our humanoid prototype ZERITH Z1 and show that, within a single integrated system, PMG produces natural, human-like locomotion, responds precisely to high-dimensional control inputs-including VR-based teleoperation-and enables efficient, verifiable sim-to-real transfer. Together, these results establish a practical, experimentally validated pathway toward natural and deployable humanoid control. Website: https://pmg-icra26.github.io/