Transformer Transformer: A Unified Model for Motion-Conditioned Robot Co-Design

개요

Transformer Transformer는 주어진 로봇 조작 시연에 최적화된 로봇의 물리적 설계(embodiment) 및 제어기를 생성하는 통합 모델이다.

주요 내용

• RoboTokens: 로봇의 구조(링크, 관절, 모터) 및 동역학(상태, 행동)을 표현하는 통합 토큰화 방식으로, 단일 모델이 다양한 로봇 설계 공간에 걸쳐 학습할 수 있도록 한다.
• Transformer Transformer 아키텍처: 디퓨전 트랜스포머(Diffusion Transformer) 기반의 단일 아키텍처로, 토큰의 마스킹 여부에 따라 로봇 설계 생성, 제어기 역할, 또는 두 기능을 모두 수행할 수 있다.
• Dynamics Self-Guidance: 모델 자체의 동역학 예측을 활용하여 추론 시점에 보상(reward) 함수에 대한 그라디언트를 생성하고, 이를 로봇 설계 확산 과정에 주입하여 보상에 최적화된 설계를 생성하는 기법이다.
• Zero-Shot 최적화: 학습 시 보지 못한 새로운 보상 함수에 대해서도 실시간으로 로봇 설계를 최적화할 수 있으며, 진화적 알고리즘(evolutionary baseline) 대비 성능 및 런타임에서 우수한 결과를 보인다.
• 실험 결과:
• ALOHA2 이인수 로봇 플랫폼에서 천 털기(cloth flinging) 작업에 최적화된 로봇을 설계한 결과, 기존 대비 추적 오차 73% 감소, 최대 관절 속도 30% 감소를 달성했다.
• 세 가지 설계 공간에서 실험한 결과, 학습되지 않은 보상과 궤적에 대한 제로샷 최적화가 가능했으며, 기존 방법론 대비 성능 및 런타임 개선을 보였다.
• 다중 궤적(multi-trajectory) 최적화에서 기존 3시간 이상 소요되던 작업을 1분 이내에 완료했다.

시사점

Transformer Transformer는 로봇의 물리적 형태와 제어기를 동시에 최적화하는 '모션 조건부 로봇 공동 설계' 문제를 해결하기 위한 통합적이고 효율적인 접근 방식을 제시하며, 로봇 설계 및 제어 분야의 발전에 기여할 잠재력을 지닌다.