휴머노이드 전신 제어를 위한 모션 추적 확장
SONIC: Supersizing motion tracking for natural humanoid whole-body control
원저자 Zhengyi Luo, Ye Yuan, Tingwu Wang 외 5인·Science Robotics·원발행 2026.08· 228 인용·카라멜 랩 해설 공개 2026. 11. 8.
최근 1년 228회 인용· 분야 최상위· 떠오르는 연구
한국어 핵심 요약
수십억 개 매개변수 기반 모델이 등장했음에도, 휴머노이드 제어 분야에서는 유사한 규모 확장이 미미했습니다. 기존 신경 제어기는 크기가 작고, 제한된 행동만 다루며, 소수의 GPU로 훈련되었습니다. 본 연구는 모델 용량, 데이터, 연산 규모를 확장하여 자연스럽고 견고한 전신 움직임을 구현하는 범용 휴머노이드 제어기를 제시합니다.
모션 추적을 휴머노이드 제어를 위한 확장 가능한 과제로 설정하고, 다양한 모션 캡처 데이터의 밀도 높은 감독을 활용하여 수동 보상 설계 없이 인간 동작 사전 지식을 습득했습니다. 네트워크 크기(120만 개→4,200만 개 매개변수), 데이터 볼륨(700시간 모션 캡처에서 1억 프레임 이상), 연산량(21,000 GPU 시간) 세 가지 축으로 확장하여 모션 추적을 위한 기반 모델을 구축했습니다.
규모 확장의 이점을 입증했을 뿐만 아니라, 실시간 운동학 플래너를 통해 모션 추적을 내비게이션과 같은 작업에 연결하여 자연스럽고 상호작용적인 제어를 가능하게 했습니다. 또한, 단일 정책으로 VR 원격 조작 및 VLA(Vision-Language-Action) 모델을 지원하는 통합 토큰 공간을 제안했습니다. 이 인터페이스를 통해 손과 발의 협응 배치가 필요한 자율적인 VLA 기반 전신 로코마니퓰레이션(locomanipulation)을 시연했습니다.
모션 추적의 규모 확장은 연산량과 데이터 다양성에 따라 성능이 꾸준히 향상되고, 학습된 정책이 이전에 보지 못한 동작에도 일반화되는 등 긍정적인 특성을 보였습니다. 이는 규모 있는 모션 추적이 휴머노이드 제어를 위한 실용적인 기반이 될 수 있음을 시사합니다.
섹션 미리보기
연구 배경
최근 수십억 개 매개변수 기반 모델이 다양한 분야에서 큰 성과를 보였지만, 휴머노이드 제어 분야에서는 이러한 규모 확장이 제한적이었습니다. 기존 휴머노이드 신경 제어기는 작은 규모로 특정 행동에만 집중하며, 훈련에 사용되는 연산 자원도 적었습니다.
핵심 발견
본 연구는 모델 용량, 데이터, 연산 규모를 확장하여 자연스럽고 견고한 전신 움직임을 구현하는 범용 휴머노이드 제어기를 개발했습니다. 특히, 모션 추적을 확장 가능한 과제로 설정하고, 대규모 모션 캡처 데이터를 활용하여 수동 보상 없이 인간 동작의 사전 지식을 학습시켰습니다.
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