다양한 휴머노이드 로봇에 공유 제어 공간 구축
원제 CrossBFM: Distilling a Shared Latent Behavior Space Across Humanoid Embodiments
추천 21댓글 1
Key Point
여러 로봇 간 재훈련 없이 제어 정책을 공유 가능하게 만들어 AI 로봇 개발의 훈련 비용을 크게 절감하고, 새로운 로봇 형태로 빠르게 적응할 수 있는 기술 경로를 제시한다.
핵심 요약
- Behavior Foundation Models(BFM)는 잠재 행동 공간을 통해 로봇이 모션 모방, 포즈 도달, 보상 최대화를 하나의 벡터로 표현하게 한다.
- 기존 Forward-Backward 방식은 이러한 공간을 생성하지만 단일 로봇당 수백 GPU시간이 필요하고, 다른 로봇에 재적용하면 호환되지 않는 별도의 공간이 생긴다.
- CrossBFM은 잠재 공간 자체를 여러 로봇 간 이전 가능한 자산으로 취급하여, 모션 재타겟팅의 프레임 단계 대응을 활용한다.
- 로봇별 파라미터 없는 통합 인코더 구조로 모든 훈련 로봇을 동시에 1 GPU시간 이내에 처리하고, 이후 잠재 조건부 트래커가 기존 PPO 훈련으로 10 GPU시간 내 전체 신체 제어를 달성한다.
- 세 개의 증류된 휴머노이드에서 세 모드 모두 전이 가능했다: 잠재 조건부 정책의 모션 추적이 조인트 조건부 대비 0.025 rad 손실, 포즈 간 매끄러운 목표 도달(낙사 없음), 41개 보상 프롬프트 모두에서 최적화.
- 인코더를 전체 모션 데이터의 1/4에만 회귀시킬 때 추적 성능 손실이 5%에 불과하며, 로봇 부분집합으로 훈련하고 미숙련 로봇에서 평가 시 숙련 로봇 성능의 89%를 회복하여 형태학적으로 유사한 로봇으로의 교차-구현 일반화를 입증한다.
- 실제 로봇에서 세 모든 프롬프트 모드와 흐름 기반 생성 잠재를 통해 파이프라인을 검증했다.