HyperAIHyperAI

Command Palette

Search for a command to run...

NVIDIA, Universal Robots와 협력해 실제 산업용 로봇 조립에 시뮬레이션 적용 성공

NVIDIA 이사악 랩을 활용한 산업용 로봇 조립 애플리케이션의 시뮬레이션과 실제 간 격차 극복 다수의 부품 조립은 제조, 자동차, 항공우주, 전자, 의료기기 등 대부분의 주요 산업에서 중요한 역할을 합니다. 그러나 로봇이 물체를 지속적으로 물리적으로 조작해야 하는 복잡한 상호작용과 정밀한 정확도를 요구하기 때문에 로봇 조립은 여전히 큰 도전 과제입니다. 현재의 로봇 조립 시스템은 특정 작업에 맞춰 설계되어 인간 공학적 노력이 필요하며, 이로 인해 유연성과 확장성이 제한됩니다. 미래의 로봇 조립은 유연한 자동화에 있습니다. 내일의 로봇은 새로운 부품, 자세, 환경에 신속하게 적응해야 합니다. 로보틱스와 시뮬레이션, AI를 통합하면 이러한 제한을 극복할 수 있습니다. NVIDIA는 이 분야의 연구를 몇 년간 진행해 왔으며, Universal Robots(UR)과의 지속적인 파트너십을 통해 연구 혁신을 실제 산업 애플리케이션으로 변화시키고 있습니다. 이 글에서는 UR10e 로봇을 사용한 기어 조립 작업의 제로샷 시뮬레이션-실제 전환을 소개합니다. 이 작업은 NVIDIA 이사악 랩에서 설계 및 훈련되었으며, 이사악 ROS와 UR10e 저레벨 토크 인터페이스를 사용하여 배포되었습니다. 우리의 목표는 모든 사람이 이 작업을 재현하고 이사악 랩 및 이사악 ROS를 자신의 시뮬레이션-실제 애플리케이션에 활용할 수 있도록 돕는 것입니다. 이사악 랩은 오픈 소스, 모듈화된 로봇 학습 훈련 프레임워크입니다. 이사악 ROS는 오픈 소스 ROS 2 소프트웨어 프레임워크를 기반으로 하며, 가속화된 컴퓨팅 패키지와 AI 모델의 컬렉션을 제공하여 NVIDIA 가속을 ROS 개발자들에게 전달합니다. 이는 네비게이션과 감지 등의 일반적인 작업을 위한 준비된 패키지를 제공합니다. 이사악 랩은 정확한 물리학과 대규모 강화학습(RL)을 지원하여 물리적 접촉이 풍부한 시뮬레이션을 가능하게 합니다. 이전에는 계산적으로 처리하기 어려웠던 복잡한 상호작용 시뮬레이션이 이제 가능해졌습니다. 이사악 랩은 핀 삽입, 기어 맞물림, 나사-볼트 고정 등의 어려운 산업 작업을 포함하며, 모방 학습(시연 데이터 모방)과 RL을 모두 지원하여 어떤 로봇 형태에서도 훈련 접근 방식의 유연성을 제공합니다. 기어 조립 작업은 각 부품을 인식, 잡아서 옮기고, 해당 샤프트에 삽입하는 과정을 포함합니다. 이 작업은 세 가지 핵심 기술인 그립 생성, 자유 공간 운동 생성, 삽입을 필요로 합니다. 그립 생성은 상용 그립 플래너를 사용하여 부품을 잡을 수 있는 가능한 자세를 얻습니다. 운동 생성과 삽입은 RL을 통해 정책을 학습합니다. 로봇 팔의 운동 생성은 고전적인 궤도 플래너를 사용하여 이루어질 수 있지만, RL 기반 운동 생성 정책을 훈련시키면 더 어려운 삽입 작업을 수행하기 전에 정책 학습 프레임워크의 유용한 교정 및 디버깅 단계를 제공할 수 있습니다. 각 작업의 운동 생성과 삽입 기술은 별도의 강화학습 문제로 구성되어 독립적으로 학습됩니다. 각 정책은 60Hz에서 관절 위치 목표값을 생성하며, 이를 저레벨 임피던스 컨트롤러가 실행합니다. 다양한 난이도의 임의 설정, 예를 들어 초기 로봇 팔 자세, 그립 내 기어 자세, 기어 크기, 작업의 단계 등으로 에이전트를 훈련시켰습니다. 시뮬레이션과 실제 세계 간의 차이인 '현실 간극'을 극복하기 위해, 로봇 동역학(관절 마찰력과 감쇠력), 컨트롤러 이득, 정책 관측 노이즈에 대한 도메인 랜덤화를 적용했습니다. 병렬 환경에서 훈련함으로써 에이전트가 다양한이고 값진 경험을 얻어 작업을 효과적으로 학습할 수 있도록 했습니다. 각 정책은 256 유닛의 LSTM 네트워크와 3개의 층(각각 256, 128, 64 개의 뉴런)을 가진 MLP로 구조화되었습니다. 정책은 rl-games 라이브러리의 Proximal Policy Optimization(PPO) 알고리즘을 사용하여 이사악 시뮬레이터 4.5와 이사악 랩 2.1에서 NVIDIA RTX 4090 GPU를 통해 훈련되었습니다. 훈련된 정책들은 UR10e 로봇에서 실행되는 모습을 확인할 수 있습니다. 이 로봇은 세 개의 임의 위치에 놓인 기어를 차례로 그립 플래너와 두 개의 학습된 기술을 반복하여 조립할 수 있으며, 기어 조립 순서와 초기 자세에 상관없이 견고한 성능을 보여줍니다. UR 토크 제어 인터페이스는 로봇이 안전하고 유연하게 물체와 상호작용할 수 있게 해주는 임피던스 제어를 가능하게 합니다. 위치 제어기는 높은 정밀도를 제공하지만, 경직성으로 인해 인식이나 실제 세계의 정렬 문제로 큰 불의의 힘을 발생시킬 수 있어 유연성이 제한됩니다. 반면, 임피던스 제어는 이러한 문제를 해결하는 유연한 대안을 제공합니다. UR은 이제 직접 토크 제어 인터페이스의 초기 접근성을 제공하여 이 유형의 제어를 가능하게 합니다. NVIDIA 팀은 이사악 랩과 IndustReal 논문의 방법을 사용하여 정책을 훈련시키고, 이사악 ROS와 UR 토크 인터페이스를 사용하여 UR10e 로봇에 배포했습니다. 이 작업에 Segment Anything과 FoundationPose 패키지가 사용되었습니다. 다음은 UR10e 로봇에서 훈련된 정책을 배포하는 시뮬레이션-실제 전환 프레임워크입니다. 워크플로는 RGB 이미지를 Segment Anything에 입력하여 분할 마스크를 출력하는 감지 파이프라인으로 시작됩니다. 이 마스크와 깊이 이미지는 FoundationPose를 통해 기어 플러그의 6D 자세를 추정합니다. 기어 자세와 UR 관절 인코더의 관절 위치는 정책에 전달되는 관측치를 형성합니다. 정책은 관절 위치의 변화를 예측하며, 이는 절대 관절 위치 목표값으로 변환되어 임피던스 컨트롤러에 입력됩니다. URScript로 만든 사용자 정의 저레벨 임피던스 컨트롤러는 500Hz에서 작동하며, UR 로봇이 작업을 수행하기 위해 필요한 관절 토크를 계산합니다. 이 글은 UR10e 로봇에서 기어 조립 작업의 제로샷 시뮬레이션-실제 전환을 소개했습니다. 이 작업은 NVIDIA 이사악 랩에서 설계 및 훈련되었으며, 이사악 ROS와 UR10e 저레벨 토크 인터페이스를 사용하여 배포되었습니다. 자신만의 접촉이 풍부한 조작 정책을 개발하고 싶다면 다음과 같은 자원을 확인해 보세요: 이사악 랩 환경과 훈련 코드를 활용하여 이러한 정책을 테스트하고, 자신만의 정책을 훈련시킬 수 있습니다. 이 정책을 자신의 UR 로봇에 배포할 수 있는 참조 워크플로도 제공됩니다. NVIDIA 뉴스레터에 구독하거나 LinkedIn, Instagram, X, Facebook에서 NVIDIA Robotics를 팔로우하세요. NVIDIA 문서와 YouTube 채널을 탐색하고, NVIDIA Developer Robotics 포럼에 참여하세요. 무료 NVIDIA Robotics Fundamentals 코스에 등록하여 로봇 기술 여행을 시작하세요. 물리적인 AI 시스템을 개발하기 위한 NVIDIA 이사악 라이브러리와 AI 모델을 활용해 보세요. 이 작업의 발전은 NVIDIA와 Universal Robots의 긴밀한 협력을 통해 가능했습니다. Yashraj Narang, Buck Babich, Rune Søe-Knudsen, Bingjie Tang, Michael A. Lin, Iretiayo Akinola, Ankur Handa, Gaurav S. Sukhatme, Fabio Ramos, Dieter Fox, Yashraj Narang 등이 이 프로젝트의 중요한 역할을 담당했습니다. 산업 전문가들은 이 작업이 로봇 조립 분야의 혁신을 이끌 것이라고 평가하고 있습니다. 이사악 랩과 이사악 ROS를 통한 시뮬레이션-실제 전환은 로봇이 실제 환경에서 더욱 유연하고 효율적으로 작동하도록 하는 중요한 단계로, 이는 산업 자동화의 미래를 밝혀줄 것입니다. NVIDIA는 이러한 기술을 개발자들에게 쉽게 접근할 수 있도록 하는데 주력하고 있으며, Universal Robots는 이를 실현하기 위한 기술적 지원을 아끼지 않고 있습니다.

관련 링크