1️⃣ 연구의 핵심 아이디어 (Key Idea)

✅ ExBody: 표현력 있는 전신 제어(Expressive Whole-Body Control) 학습

• 기존 방법과 달리 참조 모션(Reference Motion)을 정확하게 모방하지 않음
• 상체(Upper Body)는 다양한 인간 모션을 표현하도록 학습
• 하체(Legs)는 각 관절을 정확히 모방하는 대신, 루트 이동 명령(Root Movement Command)을 따르도록 설계
• 강인한 Sim-to-Real 전이(Sim2Real Transfer) → 복잡한 지형에서도 유연한 적응 가능

✅ ExBody의 기능

1️⃣ 다양한 속도(Speed)로 이동 가능

2️⃣ 다양한 방향(Direction)으로 회전 가능

3️⃣ 다양한 지형(Terrains)에서도 안정적인 동작 가능

4️⃣ 상체는 참조 모션을 유지하면서도, 하체는 이동을 최적화하는 균형 잡힌 동작 생성

✅ 결과: 로봇이 단순 반복이 아닌, 환경과 사용자 명령에 따라 유연하게 적응 가능! 🚀🤖

2️⃣ 학습 환경 및 성능 평가 (Training & Performance Evaluation)

✅ 사용한 로봇

• Unitree H1 로봇을 사용하여 시뮬레이션 및 실제 실험(Sim-to-Real) 진행

✅ 학습 데이터

• CMU MoCap 데이터셋 활용 (약 780개의 참조 모션 포함)
• 모션의 다양성이 더 강인한 보행 정책(Robust Walking Policy) 학습을 가능하게 함