1️⃣ 연구 목표 및 문제 정의

✅ 기존 로봇의 전신 제어 문제

• 기존 로봇은 특정 작업 최적화(Task-Oriented Optimization) 방식으로 제어됨
• 하지만, 이 방식은 단조로운 움직임을 초래하며, 인간과 같은 자연스럽고 표현력 있는 동작이 부족

✅ 연구 목표

• 인간처럼 표현력이 풍부한(Expressive) 전신 동작(Whole-Body Motion Control)을 학습하는 정책을 개발
• 대규모 인간 모션 캡처 데이터 + 심층 강화학습(Deep RL) 활용
• 최종적으로 실제 로봇에 직접 적용 가능한 전신 제어기(Whole-Body Controller)를 생성

2️⃣ 연구 방법 및 접근 방식

✅ 기술적 접근 방식

• 그래픽스 분야의 인간 모션 캡처 데이터 활용
• 심층 강화학습(Deep RL)을 통한 시뮬레이션 학습
• 학습된 전신 제어기를 실제 로봇에 직접 배포

✅ 결과

• 로봇이 사람과 손을 잡고 춤을 출 정도로 유연하고 강인한 동작 수행 가능 (Fig. 1 참고)