인간의 움직임을 모방하는 생성 AI

걷기와 달리기는 로봇으로 재현하기가 매우 어렵습니다. 이제 연구자 그룹은 심층 강화 학습을 통해 근육 활동의 리드미컬한 패턴을 생성하는 척수에 위치한 신경 회로인 중앙 패턴 생성기를 사용하는 혁신적인 방법을 만들어 이러한 과제 중 일부를 극복했습니다. 국제적인 연구자 그룹이 중앙 패턴 생성기(CPG)와 심층 강화 학습(DRL)을 결합하여 인간 동작을 모방하는 새로운 접근 방식을 만들었습니다. 이 방법은 걷기 및 달리기 동작을 모방할 뿐만 아니라 동작 데이터가 없는 주파수에 대한 움직임을 생성하고 걷기에서 달리기로의 부드러운 전환 동작을 가능하게 하며 표면이 불안정한 환경에 적응할 수 있도록 합니다.

그들의 돌파구에 대한 자세한 내용은 저널에 게재되었습니다. IEEE 로봇공학 및 자동화 서신 2024년 4월 15일.

우리는 그것에 대해 많이 생각하지 않을 수도 있지만 걷기와 달리기에는 환경에 적응하거나 걷기/달리기 속도를 변경할 수 있는 고유한 생물학적 중복이 포함됩니다. 이러한 복잡함과 복잡함을 감안할 때 로봇에서 인간과 유사한 움직임을 재현하는 것은 매우 어려운 일입니다.

현재 모델은 알 수 없거나 까다로운 환경을 수용하는 데 어려움을 겪는 경우가 많으며 이로 인해 효율성과 효율성이 떨어집니다. AI는 하나 또는 소수의 올바른 솔루션을 생성하는 데 적합하기 때문입니다. 살아있는 유기체와 그 움직임에는 따라야 할 올바른 패턴이 하나만 있는 것은 아닙니다. 가능한 모든 범위의 움직임이 있으며 어느 것이 가장 좋고 가장 효율적인지는 항상 명확하지 않습니다.

DRL은 연구자들이 이를 극복하기 위해 노력한 한 가지 방법입니다. DRL은 심층 신경망을 활용하여 더 복잡한 작업을 처리하고 원시 감각 입력에서 직접 학습함으로써 기존 강화 학습을 확장하여 더 유연하고 강력한 학습 기능을 지원합니다. 단점은 특히 시스템의 자유도가 높은 경우 방대한 입력 공간을 탐색하는 데 막대한 계산 비용이 든다는 것입니다.

또 다른 접근 방식은 모방 학습으로, 로봇이 동일한 동작 작업을 수행하는 인간의 동작 측정 데이터를 모방하여 학습합니다. 모방 학습은 안정적인 환경에서 학습하는 데는 능숙하지만, 훈련 중에 접하지 못한 새로운 상황이나 환경에 직면하면 어려움을 겪습니다. 효과적으로 수정하고 탐색하는 능력은 학습된 행동의 좁은 범위로 인해 제한됩니다.

“우리는 이 두 접근 방식을 결합함으로써 많은 한계를 극복했습니다”라고 도호쿠 대학 공학 대학원 교수인 하야시베 미츠히로(Mitsuhiro Hayashibe)는 설명합니다. “모방 학습은 CPG와 유사한 컨트롤러를 훈련하는 데 사용되었으며, CPG 자체에 딥 러닝을 적용하는 대신 CPG를 지원하는 반사 신경망 형태에 적용했습니다.”

CPG는 생물학적 전도체처럼 근육 활동의 리듬 패턴을 생성하는 척수에 위치한 신경 회로입니다. 동물의 경우 반사 회로가 CPG와 함께 작동하여 속도와 걷기/달리기 동작을 지형에 맞게 조정할 수 있는 적절한 피드백을 제공합니다.

적응형 모방 CPG(AI-CPG) 방법은 CPG의 구조와 반사적 구조를 채택하여 인간 동작을 모방하면서 동작 생성에 있어 뛰어난 적응성과 안정성을 달성합니다.

Hayashibe는 “이 획기적인 발전은 전례 없는 환경 적응 능력을 통해 로봇 공학에서 인간과 같은 움직임을 생성하는 데 새로운 기준을 세웠습니다. 우리의 방법은 다양한 산업 분야에 잠재적으로 응용할 수 있는 로봇 제어를 위한 생성 AI 기술 개발에서 중요한 진전을 의미합니다”라고 덧붙였습니다. .”

연구 그룹은 도호쿠 대학 공학 대학원, École Polytechnique Fédérale de Lausanne 또는 스위스 로잔 연방 공과 대학의 구성원으로 구성되었습니다.

출처: https://www.sciencedaily.com/releases/2024/05/240509110822.htm