PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.06790v1cs.RO

능동 관절 현가 시스템을 갖춘 행성 탐사 로버를 위한 전지형 이동 학습

Learning All-Terrain Locomotion for a Planetary Rover with Actively Articulated Suspension

이 논문은 ERNEST, 즉 요(yaw)와 롤(roll) 구동을 결합하여 휠 재구성, 조향, 능동 하중 재분배를 가능하게 하는 2자유도 능동 짐벌 서스펜션(Active Gimbal Suspension)을 장착한 4륜 행성 탐사 로버 컨셉을 제시합니다. 험난한 지형에서 목표 경로를 추적하도록 학습된 단일 신경망(neural network) 컨트롤러는 자율적인 장애물 극복을 위해 이 구동형 현가 시스템의 기능을 완전히 발휘하게 합니다. 강체 접촉 역학과 Bekker-Wong 지반 역학(terramechanics)을 결합하여 느슨한 토양 조건에 적응된 이동 전략이 발현되도록 하는 고충실도 DARTS 시뮬레이션 엔진을 사용하여 강화학습(reinforcement learning) 프레임워크가 개발되었습니다. 이질적인 지형에서 단일 통합 컨트롤러를 얻기 위해, 정책 통합(policy consolidation) 전략은 지형 특화 에이전트들의 경험을 하나의 신경망으로 병합하여 명시적인 지형 분류(classification) 및 컨트롤러 전환의 필요성을 제거합니다. 결과적으로 도출된 컨트롤러는 희소한 스테레오 기반 지형 고도, 섀시 자세, 관절 상태, 그리고 힘-토크 측정값을 포함하는 고유 수용성(proprioceptive) 및 외부 수용성(exteroceptive) 피드백의 조합을 기반으로 작동합니다. 도메인 무작위화(domain randomization), 센서 노이즈 주입, 그리고 시뮬레이션-실물 시스템 식별(model-to-real system identification)을 통해 실제 로버로의 제로샷(zero-shot) 전이가 달성되었습니다. 실험 결과는 암석 지대, 요철 함정(bump trap), 휠 높이의 단차, 모래 물결, 그리고 모래 경사면을 자율적으로 주행할 수 있음을 보여줍니다. 20도 모래 경사면에서, 학습된 컨트롤러는 추가적인 구동에도 불구하고 건조한 모래에서 이동 비용을 37% 감소시켰으며, 수동 현가 시스템이 완전히 고착되는 젖은 모래에서는 우수한 성능을 달성했습니다.