A Hierarchical, Model-Based System for High-Performance Humanoid Soccer

Motivation

• Known: 휴머노이드 로봇의 동적 제어 및 QDD 액추에이터의 우수성은 알려져 있으며, 기존 RoboCup 팀들은 ZMP 기반 보행과 정적 킥을 사용하는 모듈식 아키텍처를 개발해왔다.
• Gap: 기존 시스템들은 perception과 control 간의 느슨한 결합, 제한적인 동적 킹(in-gait kick) 성능, 그리고 실시간 global path planning과 충돌 회피 기능 부재로 인해 동적이고 대적인 경기 조건에서 성능 저하를 겪고 있다.
• Why: 성인용 휴머노이드 축구는 무거운 로봇의 균형 회복, 충돌 완화, 빠른 운동량 변화를 요구하는 복잡한 실시간 환경으로, 이를 극복하는 완전히 통합된 시스템의 개발은 로봇 축구와 동적 휴머노이드 제어의 상한선을 높일 수 있다.
• Approach: 하드웨어 측면에서는 특수화된 발 설계와 고토크 QDD 액추에이터를 결합하여 보행 중 강력한 킥을 가능하게 했고, 소프트웨어 측면에서는 stereo vision, 객체 탐지, landmark-based fusion을 통한 통합 perception 프레임워크, CLAP 알고리즘 기반 localization, DAVG planner와 Cf-MPC를 사용한 mid-level 네비게이션, 그리고 behavior manager를 통한 고수준 의사결정을 계층적으로 설계했다.

Achievement

Fig. 1: Overview of the ARTEMIS humanoid soccer system. A). Two ARTEMIS humanoid robots competing for ball possession du

• 동적 킹 성능: 특수화된 발 설계와 in-gait locomotion control을 통해 보행 중 강력한 킥 실행 가능
• 통합 Perception 시스템: stereo vision, object detection, landmark fusion, proximity sensing을 결합하여 robust한 ball, goal, teammate, opponent 추정
• 실시간 충돌 회피 네비게이션: DAVG planner와 collision-aware Cf-MPC를 사용한 dynamically feasible trajectory 생성
• 계층적 행동 관리: centralized behavior manager를 통한 seamless한 role selection, 킥 실행, 게임 상태 기반 의사결정
• RoboCup 2024 우승: 위 모든 컴포넌트의 통합을 통해 adult-sized humanoid soccer championship 획득

How

Fig. 2: System architecture of the ARTEMIS humanoid platform. The perception layer provides object detections, proximity

• QDD 액추에이터 기반 고토크, 고가속도 플랫폼으로 impact-resilient 동작 구현
• 특수화된 발 구조(foot attachment)를 통해 in-gait kick 중 안정성 유지
• ZED 2 stereo camera에서 60Hz로 depth map과 객체 탐지 수행
• CLAP 알고리즘으로 landmark 기하학 및 IMU 측정값 fusion을 통한 pose 추정
• Proximity sensing을 vision과 보완적으로 사용하여 close obstacle detection 수행
• DAVG planner로 desired pose 기반 global path 생성
• Cf-MPC tracker로 proximity constraints와 field geometry를 고려한 trajectory tracking
• 1kHz shared-memory loop에서 whole-body controller 실행으로 real-time 균형 제어
• Memory handler, neck manager, kick manager로 구성된 modular behavior planner

Originality

• 기존 servo 기반 ZMP 시스템 대신 QDD 액추에이터 기반 dynamic locomotion으로 전환한 하드웨어 혁신
• Perception, localization, planning, control 간의 tight integration을 통해 모듈식 아키텍처의 한계 극복
• In-gait kicking의 안정성을 특수 발 설계와 locomotion 제어의 결합으로 달성
• Vision degradation 시 proximity sensing의 complementary 역할을 설계적으로 통합
• Landmark-based CLAP localization과 객체 탐지의 fusion으로 noisy visual perception 극복
• Centralized behavior manager를 통한 role reasoning과 motion prediction의 통합

Limitation & Further Study

• 성인용 로봇에만 적용되었으므로 kid-sized humanoid로의 확장 검증 필요
• Soft turf와 specific field dimensions에 튜닝된 시스템으로 다양한 환경에서의 일반화 성능 미확인
• Learning-based approach와의 비교 평가 부재 - 순수 model-based vs learning-based의 상대적 이점 명확화 필요
• RoboCup 규제 범위 내(onboard camera, proprioception만)의 성능이므로 외부 센서 활용 시 추가 개선 가능성
• Real match 데이터 분석의 상세 통계(충돌 횟수, 실패 킥 분석 등) 제시 미흡
• 후속 연구로는 multi-agent coordination 강화, adversarial scenario 대응력 개선, learning-based 컴포넌트 통합 등이 고려될 수 있음

Evaluation

총평: QDD 액추에이터 기반 하드웨어와 perception-planning-control의 tight integration을 통해 RoboCup 우승을 달성한 고성숙도의 시스템으로, 동적 휴머노이드 제어와 실시간 자율 네비게이션의 실제 구현 사례로서 상당한 실질적 가치를 제공한다.