시뮬레이션에서는 걷는데 실물에서는 넘어진다? — 실물과 같은 입력으로 다시 시험해 보니
시뮬레이션에서 잘 걷던 K1 걷기 정책을, 실물 로봇과 같은 입력 조건으로 바꿔 다시 시험했습니다. 걷기 시작 뒤 약 1초 만에 넘어졌습니다. 로봇 몸의 관성 센서가 재지 못하는 값 하나가 원인이었습니다. 모두 시뮬레이션 기준입니다.
읽어보기 →이 페이지는 에스브이로보틱스가 휴머노이드·피지컬 AI·시뮬레이션을 다룬 글을 모은 블로그입니다. 학교·연구실·시설의 로봇 도입을 검토하는 담당자를 위한 글입니다.
제조사 소개서에는 없는 내용을 답해 드리고자 합니다. 설치에서 막히는 지점, 수업에서 실제로 쓰는 방법, 도입 후에 달라지는 것을 현장에서 확인한 대로 적었습니다. 많은 도움이 되시길 바랍니다.
시뮬레이션에서 잘 걷던 K1 걷기 정책을, 실물 로봇과 같은 입력 조건으로 바꿔 다시 시험했습니다. 걷기 시작 뒤 약 1초 만에 넘어졌습니다. 로봇 몸의 관성 센서가 재지 못하는 값 하나가 원인이었습니다. 모두 시뮬레이션 기준입니다.
읽어보기 →실물 로봇이 잴 수 없는 값 하나를 걷기 정책의 입력에서 빼고 다시 학습했습니다. 시작 번호를 바꾼 세 번의 학습 모두 10초를 넘어지지 않고 걸었습니다. 다만 멈추라는 명령 뒤 미끄러지는 거리는 학습마다 크게 달라, 멈추기는 아직 다듬는 중입니다. 모두 시뮬레이션 기준입니다.
읽어보기 →로봇이 스스로 걷는 법을 배우게 하려면 시뮬레이터부터 깔아야 합니다. Omniverse·Isaac Sim·Isaac Lab·MuJoCo가 각각 무엇인지, 공식 내려받기 주소와 저희가 쓴 버전, 공식 사양과 저희 PC 사양, 설치 순서와 확인 방법, 저희가 실제로 막혔던 곳을 한 글에 모았습니다.
읽어보기 →강화학습으로 배운 Booster K1의 걸음을 박물관 안내 시뮬레이션에 붙였습니다. 표식을 보고 전시물 앞까지 걸어가 해설하는 코스를 학습 시작 번호(시드)를 바꾼 세 걸음으로 각각 돌려 모두 출구까지 도착했고, 넘어짐은 없었습니다. 다만 모두 시뮬레이션이고, 걸음이 충분히 좋은지는 학습 시작 번호(시드)를 바꿔 여러 번 학습한 평균과 가장 나쁜 값으로 따로 판정합니다.
읽어보기 →휴머노이드 교육 구성은 시작(Start)·표준(Lab)·심화(Research) 세 가지입니다. 구성마다 교육 일수, 워크스테이션 사양 컨설팅, 연간 원격 기술지원 횟수가 다릅니다. 세 구성의 차이와 고를 때 먼저 정할 질문을 정리했습니다.
읽어보기 →보행·센서·기본 AI 실습이 중심이면 K1, 양팔로 물체를 다루는 조작 연구까지 가려면 T2입니다. 크기와 무게, 자유도, 온보드 컴퓨팅, 배터리를 제조사 공개 사양으로 나란히 놓고 수업 목적별로 고르는 기준을 정리했습니다.
읽어보기 →V4까지는 팔에 "가만히 있으라"는 벌점만 있었고, 걸을 때 팔이 옆으로 설렁거렸습니다. 다리 걸음 박자에 맞춰 팔을 앞뒤로 흔들면 점수를 주는 보상을 더한 V5는 동작 급변과 몸통 흔들림이 조금 줄었습니다. 속도를 0.7m/s로 올린 결과와 검증하지 못한 부분까지 그대로 적었습니다.
읽어보기 →로봇에게 "이렇게 걸어라"를 하나하나 가르치지 않아도, 시도해 보고 점수를 매기는 것만으로 걷는 법을 스스로 찾아내는 방법이 있습니다. 강화학습을 쉬운 비유로 설명하고, 저희가 실제로 K1 로봇에 적용한 결과로 이어집니다.
읽어보기 →로봇 가격은 K1·T2 제품 페이지에 공개되어 있습니다. 시뮬레이션 실습 자리, 교원·조교 교육, 기술지원, 설치와 운영 지원은 기관 구성에 맞춰 견적으로 안내합니다. 견적을 요청하기 전에 정리할 항목을 순서대로 담았습니다.
읽어보기 →추정가격 2천만 원 이하 물품은 수의계약과 견적서 1장으로 살 수 있고, 그보다 크면 계약 상대와 금액에 따라 견적 방법이 달라집니다. 학교·국립대 회계연도는 3월에 시작해 예산안이 1월에 만들어지므로, 견적은 그 전 가을~겨울에 준비합니다. 법령 원문 기준으로 정리했습니다.
읽어보기 →Isaac Lab에서 학습한 Booster K1 걷기 정책을 MuJoCo로 옮겨 보니, 앞으로 걷기와 회전은 그대로 됐고 옆걸음에서 넘어졌습니다. 무작위화 학습(v2)으로 넘어짐은 없앴지만 몸이 195° 돌아갔고, 걸음 모양 점수를 더한 v4에서 방향 틀어짐이 -11.6°로 줄었습니다. 옮기는 방법과 결과를 그대로 적었습니다.
읽어보기 →로봇보다 학생 노트북 사양과 시뮬레이터 설치가 먼저입니다. 12주 배치 예시에서 1~10주는 로봇 없이 진행하고, 실물 로봇은 11~12주에 씁니다. 준비 순서를 다섯 단계로 정리했습니다.
읽어보기 →Isaac Sim 5.1.0과 Isaac Lab 2.3.2를 윈도우에서 공식 설치 명령 그대로 깔아 보니 다섯 곳에서 멈췄습니다. pkg_resources 오류, 학습 시작 직후 access violation, URDF 확장 2.4.31을 못 찾는 오류까지, 오류 문구와 해결 명령을 그대로 적었습니다.
읽어보기 →됩니다. GPU 한 장이 달린 PC에서 Booster K1 걷기를 32분 학습해 넘어지지 않는 걸음을, 걸음 모양까지 고친 v4는 1시간 40분 학습해 사람다운 걸음을 얻었습니다. 필요한 PC 사양, 쓴 도구, 다른 시뮬레이터로 확인한 결과와 한계를 정리했습니다.
읽어보기 →GPU 한 장으로 K1 4,096대를 동시에 돌려 32분 만에 넘어지지 않는 걸음이 나왔습니다. 그런데 1초에 발을 15.2번 딛는 종종걸음이었습니다. 걸음 모양 점수를 넣어 다시 학습한 v4는 1초 3.6걸음으로 걸었습니다. 설치하며 막힌 곳과 아직 확인하지 않은 한계까지 그대로 적었습니다.
읽어보기 →로봇 대수가 아니라 노트북 대수로 계산이 바뀝니다. 시뮬레이터가 무료이고 CPU만으로 돌아가거든요.
읽어보기 →공개된 보행 AI를 받아서 로봇에 넣었는데 안 걷는다면요. 파일이 이상한 게 아닐 수도 있습니다. 저희가 그 파일을 직접 열어보고 알게 된 이야기예요.
읽어보기 →강화학습 실습에서는 의외로 안 씁니다. 실제 배포 코드를 열어보니 언제부터 등장하는지 명확하더라고요.
읽어보기 →Gazebo, Isaac Sim, MuJoCo, Webots. 이름은 많이 들어보셨을 텐데 뭐가 다른지 헷갈리시죠. 성격만 잡아드릴게요.
읽어보기 →파일 안에 있는 숫자 하나 때문일 수 있습니다. armature라고 부르는 값인데요, Booster 공개 파일을 직접 열어서 확인해 봤습니다.
읽어보기 →아니요, 됩니다. Isaac Sim이 알아서 바꿔서 쓰거든요. 실제 학습 코드가 어떻게 생겼는지 보여드릴게요.
읽어보기 →파일이 부실한 게 아닙니다. URDF라는 형식 자체에 그 칸이 없거든요. Booster K1·T1·T2 세 파일을 다 열어서 확인해 봤습니다.
읽어보기 →이 페이지가 도움이 되었나요?