cuRoboV2: Dynamics-Aware Motion Generation with Depth-Fused Distance Fields for High-DoF Robots

⚠️ 이 페이지의 요약·평가·해설은 생성형 AI(Claude)가 자동 생성한 2차적 분석물입니다. 논문 원문의 저작권은 원저작자에게 있으며, 정확한 내용은 원문(위 DOI·arXiv 등 출처)을 확인하세요.

Essence

cuRoboV2는 B-spline 궤적 최적화, GPU 기반 TSDF/ESDF 인식 파이프라인, 확장 가능한 고자유도 로봇 계산을 통합하여 조작기부터 인형로봇까지 안전하고 동역학 인식적인 운동 생성을 제공하는 통합 프레임워크이다.

Known: 로봇 운동 생성은 전통적으로 전역 계획과 반응형 제어로 분리되었으며, 기존 방법들은 충돌 회피와 동역학 제약을 동시에 만족하거나 고자유도 시스템으로 확장하는 데 어려움을 겪고 있다.
Gap: 현존하는 방법들은 세 가지 근본적 문제를 가지고 있다: (1) 빠른 계획기는 물리적으로 실행 불가능한 궤적을 생성, (2) 반응형 제어는 고충실도 인식과 안전 보장 사이의 트레이드오프 존재, (3) 고자유도 시스템으로의 확장성 부족.
Why: 로봇 자율성을 위해서는 실시간으로 안전하고 실행 가능하며 동역학 인식적인 운동 생성이 필수적이며, 이는 조작 작업과 인형로봇 제어 등 실세계 응용에 직접적으로 영향을 미친다.
Approach: B-spline 제어점 최적화로 부드러움과 토크 제약을 자동 보장하고, 블록-희소 TSDF를 밀집 ESDF로 변환하는 GPU 네이티브 인식 파이프라인을 구축하며, 위상 인식 운동학, 미분 가능한 역동역학, 맵-리듀스 자충돌 검사로 고자유도 확장성을 확보한다.

Figure 3: TSDF-ESDF pipeline. Depth images are fused into a block-sparse TSDF via voxel-centric projec-

B-spline 궤적 최적화: 제어점 최적화를 통해 부드러움과 토크 제약을 자동으로 보장하여 동역학 인식적 계획과 비정적 경계 조건의 반응형 제어를 통합
GPU 네이티브 인식 파이프라인: 블록-희소 TSDF를 밀집 ESDF로 변환하여 작업공간 전역에 대한 O(1) 거리 쿼리 제공, nvblox 대비 10배 빠르고 8배 메모리 절감, 99% 충돌 감지율
고자유도 확장성: 위상 인식 운동학, 미분 가능 역동역학, 맵-리듀스 자충돌로 GPU 구현이 실패하던 48-DoF 인형로봇에서 99.6% 충돌 회피 역운동학 달성, 40배 가속화
실험 성과: 3kg 페이로드에서 99.7% 성공률(기존 72-77%), 48-DoF 인형로봇 역운동학 99.6%, PyRoki 대비 89.5% vs 61% 재타겟팅 제약 만족도, 21% 낮은 추적 오차

B-spline 기저 함수의 국소 지지 특성(local support property)을 활용하여 제어점 미분 계산 및 경계 조건 설정
깊이 이미지와 메시 기하를 통합하는 복셀-중심 투영 전략으로 원자 경쟁(atomic contention) 제거
Parallel Banding Algorithm (PBA+)을 CUDA 그래프 캡처로 완전히 구현하여 TSDF에서 ESDF로의 변환을 온디맨드 수행
블록-희소 저장소에서 관찰된 표면 근처 블록만 할당하는 메모리 효율적 구조 구현
희소 야코비안 계산으로 위상 인식 운동학을 GPU에서 효율적으로 구현
Recursive Newton-Euler Algorithm (RNEA)를 미분 가능하게 구현하여 역동역학 제약 적용
맵-리듀스 패턴으로 자충돌 검사를 병렬화하여 고자유도 시스템 지원