인간형 로봇의 양족 보행 안정성을 향상시키기 위해, 실제 환경에서 트레드밀과 유사한 시험대(testbed) 상에서 강화학습을 이용하여 궤적 파라미터를 설정하는 방법을 개발하였다. 강화학습 알고리즘으로 심층 결정론적 정책 경사법(DDPG; deep deterministic policy gradient)을 사용하였다. 제로 모멘트 포인트(ZMP; zero moment point)를 활용하여 보상을 개선함으로써 보행 안정성과 보행 속도의 최적값을 결정하였다. 로봇은 ZMP를 측정하고 상체에 장착 하중을 부착하도록 설계되었다. 또한 로봇의 보행 속도와 동일한 속도로 동작하도록 트레드밀을 제작하였다. 강화학습은 무가중 조건과 1kg의 하중을 적용한 조건으로 구분하였다. 약 100분 동안 300개의 에피소드를 수행하였으며, 보상은 16.71% 및 26.25% 향상되었다. ZMP 측정 결과, 양족 보행은 안전 영역 내에서 수행됨이 확인되었다. 따라서 우리는 인간형 로봇의 양족 보행 성능이 보행 속도와 ZMP 유사성에 대한 강화학습을 통해 향상될 수 있음을 입증하였다.

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