HOMIE: Humanoid Loco-Manipulation with Isomorphic Exoskeleton Cockpit

Motivation

• Known: 휴머노이드 로봇의 원격조종 시스템은 역운동학(IK) 기반 시각 추적이나 고가의 모션캡처(MoCap)를 사용하거나, RL 기반 보행 정책이 정밀한 조작을 지원하지 못하는 한계가 있음
• Gap: 기존 시스템은 보행 능력과 정밀 조작 능력의 통합이 부족하며, 동형 외골격과 고DoF 모션센싱 장갑을 결합하여 저비용으로 고속·고정확 전신 제어를 동시에 달성한 사례가 없음
• Why: 휴머노이드 로봇이 일상 작업을 자율적으로 수행하기 위해서는 보행 중 작업 공간 적응, 정밀한 객체 조작, 비용 효율성이 동시에 필요하며, 이는 데이터 수집 파이프라인 구축에도 필수적임
• Approach: 상체 자세 교과서(curriculum), 높이 추적 보상, 대칭성 활용으로 RL 정책을 훈련하고, 동형 외골격 팔(IK 불필요), Hall센서 기반 고DoF 장갑(15+DoF), 페달 인터페이스를 통합하여 정밀하고 빠른 전신 제어를 실현

Achievement

Fig. 1: HOMIE empowers the humanoid robot to execute various loco-manipulation tasks in the real world. (a): Squatting t

• RL 기반 동적 보행-스쿼팅: 모션캡처 데이터 없이 임의의 상체 자세에 적응하며 정밀한 높이로 스쿼팅 가능
• 200% 향상된 제어 성능: 기존 시스템 대비 절반의 시간에 작업 완료, 높이 추적 정확도와 반응속도 대폭 개선
• 저비용 하드웨어: 총 $500으로 MoCap($13k+), Mobile-ALOHA($32k) 등 기존 시스템 대비 30-60배 저렴
• 높은 확장성: 동일한 장갑으로 다양한 디덱스트러스 핸드 제어 가능, 다양한 로봇 모델에 정책 이전 가능
• 현장 검증: 다양한 loco-manipulation 작업(집기, 문열기, 물건옮기기 등) 안정적 수행 및 모방학습 데이터 수집 가능성 확인

How

Fig. 3: RL training framework of HOMIE.

• RL 훈련 프레임워크: 상체 자세에 대한 커리큘럼 학습으로 동적 균형 유지, 높이 추적 보상으로 정확한 스쿼팅, 대칭성 활용으로 액션 정규화 및 데이터 증강
• 동형 외골격 팔: 로봇과 동일한 운동학 구조로 외골격 센서값을 직접 로봇 관절 위치에 매핑하여 IK 계산 제거, FK 기반 엔드-이펙터 추적보다 정확하고 빠름
• 모션센싱 장갑: Hall센서 기반으로 15DoF 이상 구현, 서보 모터 불필요하여 소형·경량화, 다양한 손 모델과 호환성 확보
• 페달 인터페이스: 보행 명령 수집용 페달로 작업자의 상체를 해제하여 동시에 상체 자세 및 손 제어 입력 가능
• 절제 연구(Ablation): 각 훈련 기법의 효과 검증 및 다양한 로봇에 대한 정책 일반화 능력 실증
• 시뮬레이션-현실 이전: VR 환경과 실제 환경 모두에서 원격조종 가능하며 수집된 데이터를 모방학습에 활용

Originality

• 첫 번째 teleoperation 호환 humanoid loco-manipulation: MoCap 데이터 없이 동적 스쿼팅을 포함한 전신 제어 구현
• 동형 외골격-고DoF 장갑 통합: 기존 외골격 시스템은 그리퍼만 지원했으나, 본 연구는 15+DoF 모션센싱 장갑을 결합하여 정교한 조작 가능
• 상체 자세 교과서 학습: RL 훈련 중 상체 자세 복잡도를 점진적으로 증가시켜 동적 균형 학습 효율성 향상
• 대칭성 기반 액션 정규화: 로봇의 좌우 대칭 특성을 활용한 새로운 정규화 및 데이터 증강 기법
• 비용-성능 최적화: 동형 구조로 IK 제거, Hall센서로 서보 불필요 → $500 저비용 달성

Limitation & Further Study

• 로봇 모델 의존성: 훈련된 정책이 특정 로봇 형태에 최적화되어 있으며, 다른 로봇으로의 일반화는 추가 훈련 필요 가능
• 외골격 무게 및 피로: 장시간 원격조종 시 작업자의 팔 피로 증가, 외골격 무게가 조종 난이도에 영향
• 페달 기반 보행 제어의 한계: 보행 속도·방향 세밀 제어에 제약이 있을 수 있으며, 복잡한 보행 패턴 입력 어려움
• 현장 작업 확대 필요: 다양한 물체와 환경에서의 일반화 능력, 슬립(slip) 처리, 매우 정교한 조작 작업 성능 추가 검증 필요
• 후속 연구 방향: (1) 시각 피드백 통합으로 원격조종 직관성 향상, (2) 다중 로봇 협력 제어, (3) 자율 loco-manipulation을 위한 IL 성능 최적화

Evaluation

총평: HOMIE는 RL 기반 적응형 보행 제어와 저비용 동형 하드웨어를 혁신적으로 결합하여 휴머노이드 로봇의 전신 원격조종을 현실화한 획기적 시스템으로, 비용 효율성과 성능에서 기존 솔루션을 크게 초월하며 실용적 가치가 높음