Safe Human-to-Humanoid Motion Imitation Using Control Barrier Functions

Motivation

• Known: 카메라 기반 인간 포즈 추정으로 wearable device 없이 motion imitation이 가능해졌으나, 실시간 충돌 회피까지 보장하는 안전 제어는 미해결 문제로 남아있었다.
• Gap: 비전 기반 human-to-humanoid imitation에서 CBF를 이용한 온라인 기하학적 안전 필터링이 거의 탐색되지 않았으며, 자기 충돌과 인간-로봇 충돌을 통합적으로 처리하는 실시간 제어층이 부재했다.
• Why: 휴머노이드 로봇의 안전한 배포를 위해 responsiveness와 collision avoidance의 균형이 중요하며, 특히 팔이 몸통 근처나 시연자 방향으로 움직일 때 안전성 보장이 필수적이다.
• Approach: 카메라 관찰 skeleton keypoints로부터 reduced pose를 추정하고 affine retargeting으로 로봇 joint space로 매핑한 후, velocity-level capsule-based CBF-QP layer로 명령을 필터링하여 두 가지 충돌을 방지한다.

Achievement

Fig. 2: Self-collision avoidance with and without CBF-QP.

• 비전 기반 안전 프레임워크: 카메라 관찰로부터 실시간 collision-aware motion generation을 가능하게 함
• 통합 CBF-QP 공식화: capsule 기반 모델로 자기 충돌과 인간-로봇 충돌을 하나의 제어층에서 처리
• 충돌 모델 벤치마킹: 다양한 collision primitives에 대한 계산 trade-off 분석으로 실용적 참고자료 제공

How

Fig. 1: Overview of the proposed safe human-to-humanoid motion imitation framework.

• Exponential Moving Average(EMA)와 jump rejection을 결합한 point-level filter로 skeleton keypoints 전처리
• torso frame 구성으로 roll/pitch와 shoulder, elbow 관절각을 기하학적으로 추출
• affine retargeting map S(θ - θ_home) + b와 joint-limit projection Π[q_min, q_max]로 human pose를 로봇 joint space로 변환
• 로봇과 인간을 각각 7개 capsule(torso, L/R upper arm, L/R forearm, L/R thigh)로 근사
• closest-point distance d_AB(x_AB(q))를 안전 함수 h_AB = d_AB - (r_A + r_B + φ)로 정의
• velocity-level CBF 조건 ḣ_AB + γh_AB ≥ 0을 선형 제약 A_i(q)u ≥ -γh_i(q)로 표현
• QP 문제로 nominal command q_nom 대비 편차를 최소화하면서 모든 CBF 제약과 joint velocity 한계를 만족하는 u*를 구함
• 적분으로 safe target q_cbf를 업데이트하여 downstream position controller에 전달

Originality

• 단순 이미지 skeleton에서 직접 reduced pose를 추출하는 경량 pose angle estimation (full IK 불필요)
• capsule-based CBF-QP로 자기 충돌과 인간-로봇 충돌을 통합 처리하는 이전에 미탐색된 접근
• velocity-level 제어로 nominal imitation behavior 보존하면서 제약 활성화 시에만 안전 개입
• collision geometry 모델별 computational benchmark로 설계 선택을 정당화

Limitation & Further Study

• 시뮬레이션 결과만 제시되어 실제 하드웨어 검증 부재; 저자들은 framework가 자연스럽게 전환 가능하다고 주장하지만 실증 필요
• 상반신만 모방하고 하반신은 로봇 내장 balance controller에 의존하므로 full-body imitation 미지원
• human capsule을 한 제어 스텝 동안 고정으로 가정하여 빠르게 움직이는 인간 동작에 대한 robust성 검토 필요
• reduced 8-DoF pose로 제한되어 손목 회전, 손가락 움직임 등 세부 동작 손실
• CBF margin φ 선택, class-K gain γ 튜닝, retargeting scale S와 offset b 보정의 design parameter 의존성 심화
• 다양한 신체 형태의 인간과 여러 humanoid 로봇 플랫폼 간 일반화 가능성 미검증

Evaluation

총평: 비전 기반 motion imitation에 CBF를 체계적으로 도입하여 실시간 안전 필터링을 구현한 실질적 기여이며, 충돌 회피와 responsiveness의 균형을 QP로 효과적으로 달성했다. 다만 시뮬레이션만 제시되고 하드웨어 검증이 필요하며, 설계 parameter 튜닝과 일반화 가능성 개선이 추후 과제이다.