인간형 로봇의 다재다능한 제어
BeyondMimic: From motion tracking to versatile humanoid control via guided diffusion
원저자 Qiayuan Liao, Takara Everest Truong, Xiaoyu Huang 외 4인·Science Robotics·원발행 2026.08· 293 인용·카라멜 랩 해설 공개 2026. 11. 8.
최근 1년 293회 인용· 분야 최상위· 떠오르는 연구
한국어 핵심 요약
인간형 로봇은 인간과 유사한 민첩성과 다재다능한 운동 능력을 발휘할 잠재력을 지니고 있습니다. 이러한 능력을 습득하기 위해 인간 시연 학습이 효과적인 접근 방식이지만, 기존 연구들은 부자연스러운 동작을 생성하거나 만족스러운 자연스러움을 위해 동작별 튜닝에 의존했으며, 새로운 작업을 해결하는 데 필요한 다재다능함이 부족했습니다.
본 연구는 다양한 동작에 확장 가능하며, 미지의 하위 작업을 해결하는 데 필요한 다재다능함을 지닌 프레임워크인 BeyondMimic을 제안합니다. 이 프레임워크는 간결한 모션 추적 공식을 통해 공중 옆돌기, 스핀 킥, 플립 킥, 전력 질주와 같은 고도로 민첩한 동작들을 단일 설정과 공유 하이퍼파라미터로 인간과 유사한 성능으로 마스터할 수 있게 합니다.
기존 동작의 단순 모방을 넘어, 본 연구는 다재다능한 목표 명세, 원활한 작업 전환, 그리고 이러한 민첩한 동작들의 동적 구성을 가능하게 하는 통합 잠재 확산 모델을 제시합니다. 특히, 훈련 중 접하지 못한 모션 인페인팅, 조이스틱 원격 조작, 장애물 회피와 같은 하위 작업들을 해결하기 위해 확산 모델 특유의 기법인 분류기 안내(classifier guidance)를 활용하여 모델의 역량을 확장했습니다.
이러한 구성 요소들은 인간 동작으로부터 인간과 유사한 운동 기술을 확장 가능하게 습득하고, 훈련 설정을 넘어 일반화 및 적응하는 동작 합성을 가능하게 합니다. BeyondMimic은 실제 하드웨어에도 제로샷으로 기술을 전이하여 그 실용성을 입증했습니다.
섹션 미리보기
연구 배경
인간형 로봇이 인간과 같은 민첩성과 다재다능한 운동 능력을 갖추는 것은 중요합니다. 그러나 기존의 인간 시연 학습 방식은 부자연스러운 동작을 생성하거나 새로운 작업을 해결하는 데 필요한 유연성이 부족했습니다.
핵심 발견
BeyondMimic은 단일 설정으로 다양한 고난도 동작을 인간처럼 수행하며, 잠재 확산 모델과 분류기 안내를 통해 훈련되지 않은 새로운 작업을 해결하고 실제 로봇에 제로샷으로 적용 가능함을 보였습니다.
관련 컴퓨터 과학 논문
개념 그래프 기반 스키마 매칭
2026·18
오프로드 주행을 위한 시각 기반 마찰 학습
2026·8
내결함성 양자 컴파일 벤치마크
2026·13
트로터 공식을 활용한 양자 시뮬레이션
2026·6