제목

실세계 강화학습을 위한 로봇 복원성 향상 기술 개발

상세 설명

실제 환경에서 로봇이 실패를 인식하고 회복할 수 있는 능력은 자율 제어 시스템의 핵심입니다. 본 연구는 Resilient Control 구조를 통해 다양한 장애 상황에서의 회복 알고리즘을 강화학습 기반으로 구현하였으며, Real-world RL의 신뢰성을 높이는 데 기여했습니다. Adaptive Policy 구조는 환경 변화에 따른 유연한 대응을 가능케 하며, 비정형 현장(재난, 건설, 물류 등)에서의 로봇 운영을 가능하게 합니다. 이는 산업 현장의 무인화 및 위험 환경 대응 로봇 개발에 활용될 수 있습니다. 복잡한 정책 최적화와 행동 적응 구조가 학계의 RL 연구에 폭넓게 기여하였습니다.

기관명

한국전자통신연구원

예산

5.8억원

키워드

프로젝트 기간

2020년 12월 - 2022년 12월

관련 이미지

관련 자료