Track Any Motions under Any Disturbances

Motivation

• Known: 기존 humanoid motion tracking은 주로 특정 동작에 대해서만 우수한 성능을 보이거나(ASAP), 제한된 동작 다양성을 추적하며(GMT), 실제 환경의 교란(terrain, external force, physical property change)에 대한 적응성이 부족하다. Motion tracking과 online dynamics adaptation을 동시에 달성한 통합적인 접근 방식이 부재했다.
• Gap: 기존 연구들은 (1) 복잡한 행동 공간으로 인한 최적화 어려움으로 인해 다양한 동작 추적에 실패하거나 (2) naive domain randomization에만 의존하여 실제 환경의 교란에 대응하지 못했다. 특히 motion diversity, high dynamism, contact-richness 및 multiple real-world disturbances에 모두 대응하는 통합 추적기가 부족했다.
• Why: Humanoid 로봇의 실제 활용을 위해서는 단순히 특정 동작을 정확히 추적하는 것을 넘어, 실세계의 예측 불가능한 교란 속에서도 적응적으로 다양한 동작을 추적할 수 있는 능력이 필수적이다. 이는 로봇의 범용성과 견고성을 결정짓는 핵심 과제이다.
• Approach: 2단계 RL 프레임워크를 제안한다. 첫 번째 단계에서 AnyTracker는 canonicalized action spaces와 specialist-to-generalist 전략으로 복잡한 행동 공간의 최적화 어려움을 완화하여 다양한 동작을 단일 정책으로 추적한다. 두 번째 단계에서 AnyAdapter는 dynamics-aware world model prediction을 통해 동역학 특성을 embedding으로 추출하고, adapter 아키텍처를 사용하여 기본 추적기를 freeze한 상태에서 동역학 변화에 대응하는 행동 조정을 학습한다.

Achievement

Fig. 1: (a) The humanoid tracks diverse, highly dynamic, and contact-rich motions using a single policy. (b) The humanoi

Any2Track 프레임워크: 다양성, 고역동성, 접촉 풍부함을 모두 만족하는 motion tracking 능력. 실세계 교란 적응: Terrain, external force, physical property change에 모두 대응하며 zero-shot sim2real transfer 달성. Unitree G1 하드웨어 배포: 실제 humanoid 로봇에서 광범위한 동작을 추적하고 교란에 강건하게 작동하는 성능 실증. 기존 방법 대비 우월성: Table I에서 GMT 등 기존 방법들과 달리 motion diversity와 disturbance adaptability를 모두 달성한 최초의 사례.

How

Fig. 2: Overview of our method. Any2Track consists of two key components: AnyTracker and AnyAdapter. AnyTracker

• Canonicalized action space를 설계하여 복잡한 자유도와 동작 다양성으로 인한 최적화 문제 완화
• Specialist-to-generalist 전략으로 특정 동작에서 일반화된 정책으로 단계적 전이
• Dynamics-aware world model prediction 보조 과제로 동역학 특징 학습
• Adapter 아키텍처로 기존 추적 능력을 보존하면서 동역학 적응성만 추가
• 기본 추적기의 매개변수는 freeze하여 학습된 동작 추적 기술 손상 방지

Originality

• Motion tracking과 online dynamics adaptation을 통합하는 새로운 2단계 RL 프레임워크 제안
• Canonicalized action space와 specialist-to-generalist 전략으로 복잡한 행동 공간 문제 해결
• Dynamics-aware world model prediction을 adapter 학습의 보조 과제로 활용하는 혁신적 설계
• Adapter 아키텍처를 사용하여 기존 능력 보존과 새로운 적응성을 동시에 달성

Limitation & Further Study

현재 연구는 Unitree G1 로봇에만 배포되어 다른 humanoid 플랫폼으로의 일반화 가능성이 미지수. 실세계 실험이 대부분 제한된 환경에서 수행되었으며, 극단적인 교란이나 예측 불가능한 실제 환경에서의 성능은 미검증. 적응 모듈의 계산 복잡도와 실시간 추론 속도에 대한 분석 부족. 향후 더 많은 humanoid 플랫폼에서의 검증과 계산 효율성 개선이 필요.

Evaluation

총평: 본 논문은 humanoid motion tracking의 오랜 과제인 다양한 동작 추적과 실세계 교란 적응을 동시에 해결하는 포괄적인 솔루션을 제시한다. 2단계 RL 프레임워크의 설계가 체계적이며, 실제 하드웨어 배포를 통한 성능 입증이 설득력 있다. 다만 단일 플랫폼에만의 평가와 계산 효율성 분석 부재가 한계이지만, 이 분야에 상당한 기여를 하는 우수한 연구로 평가된다.