<신형 Atlas의 고부하 노동 학습방식 공개

BD가 전일 45kg이상의 냉장고를 들어 나르는 실험과 함께 AI기반 제어 기술에 대한 공개를 했습니다. 핵심 내용 요약 드립니다. 1.촉각 기반 ‘물리적 지능’과 강화 학습(RL) • 시각(카메라)에만 의존하던 기존 한계를 탈피, 전신(전완, 몸통 등)을 모두 활용해 무게를 지탱. • 고유 감각(Proprioception) 피드백과 심층 강화 학습을 결합. 냉장고를 직접 보고 계산하지 않아도, 신체 접촉 시 느껴지는 촉각과 하중 변화에 실시간 적응. 2. 양산 및 유지보수를 고려한 하드웨어 설계 • 액추에이터 단일화: 몸체 전체에 단 2가지 유형의 로터리 액추에이터만 사용. 시뮬레이션 효율을 높이고 제조 원가 절감. • 구조 대칭화: 좌우 팔·다리 및 앞뒤 발 구조가 완전히 동일해 전·후진 성능이 같음. • 무한 회전 관절: Joint 내부 케이블을 제거해 고장의 주원인을 차단하고 초인적 가동 범위 확보. • 모듈화: 팔, 다리, 머리 등은 현장에서 몇 분 만에 교체 가능한 FRU 구조. 3. Sim-to-Real 격차의 최소화 (현실 배치 속도 극대화) • 높은 모델링 정확도: 단순화된 하드웨어 덕분에 시뮬레이션과 실제 로봇 간 오차 극소화. "시뮬레이션에서 성공하면 현실에서도 성공"하는 파이프라인 구축. • 강인성 검증: 22~31kg 하중으로 학습했으나, 내부 물품이 흔들리는 45kg 이상의 냉장고도 무리 없이 운반 (Domain Randomization 효과). • 신속한 배치: '오늘 학습, 내일 하드웨어 테스트 및 데이터 수집'이 가능한 인프라 확립. 4. 기타 핵심 노트 • 뛰어난 열 관리 시스템을 갖춰 고온의 가혹한 산업 환경에서도 작업 가능. • 현재 로봇 무게(90kg)를 버티는 다목적 그리퍼 외에, 정교한 조작이 가능한 차세대 '구동형 손(Dexterous Gripper)' 실험 중. * 위 내용은 보도된 사실의 단순요약으로 별도의 컴플라이언스 절차 없이 제공됩니다