사족(四足) 로봇은 동물에 준하는 회복탄력성을 바탕으로 복잡한 장애물이 있는 환경을 탐색하는 데 있어 유망한 응용 가능성을 지닌다. 그러나 부유(浮遊) 베이스 구성은 실제 환경의 불확실성에 취약하여 보행(運動) 제어에 상당한 어려움을 초래한다. 딥 강화학습은 견고한 보행 제어기를 개발하기 위한 실행 가능한 대안으로 부상하였다. 다만, 고유감각(proprioception)에만 의존하는 접근법은 종종 충돌 없는 보행을 희생하는데, 이는 계단을 감지하고 보행을 적응시키기 위해 전족(前足)의 접촉이 필요하기 때문이다. 한편 외부감각(exteroception)을 통합하려면 시간에 걸쳐 외부감각 센서가 관측하는 정밀하게 모델링된 지도가 필요하다. 본 연구는 회복탄력적인 다중 양식(multi-modal) 강화학습 프레임워크를 통해 고유감각과 외부감각을 융합하는 새로운 방법을 제안한다. 제안된 방법은 거친 지형, 급경사, 고층 계단을 포함하는 다양한 실제 환경 코스에서 사족 로봇이 민첩한 보행을 수행하도록 하는 제어기를 제공하면서도, 분포 외(out-of-distribution) 상황에서도 강건성을 유지한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.