버튼 누르기 재현에서 최대 힘이 한 번의 시연보다 84.35%, 70 N 이상 줄었다. 화이트보드의 ‘S’를 지울 때는 최대 힘이 0.04% 늘었지만 평균 힘은 32.11% 감소했다. 위치 궤적만 복제하지 않고 접촉력까지 한 번의 시연에서 학습하려는 arXiv:2607.09515의 실제 로봇 결과다.
방법은 위치와 힘 모달리티의 시간별 중요도를 반영해 변화점을 찾는 확률적 세분화로 운동 원시를 나눈다. 이어 elastic map을 외력 제약까지 포함하도록 확장하고, 시연의 힘 프로파일을 반영한 볼록 최적화로 궤적을 만든다.
세분화 평가는 물체 3개, 시연자 4명, 위치 5개로 이뤄진 집기 시연 60개에서 수행됐다. 평균 세그먼트 수는 위치만 썼을 때 4.09, 균일 가중 4.11, 사용자 정의 가중 3.86이었다. 사용자 정의 결과가 기대 범위 3~4에 더 가깝고 p<0.01이었다고 보고됐지만, 가중치는 자동 학습이 아니라 사용자가 정한다.
실제 재현에는 UR5e·손목 힘/토크 센서와 Kinova Gen3·손가락 힘 센서의 두 구성을 썼다. peg-in-hole에서 제안법의 X/Y/Z 평균 힘은 0.54/0.50/0.76 N으로 하이브리드 힘·위치 제어의 1.73/1.83/1.03 N보다 낮았다. Z축 최대 힘도 36.55 N 대 44.01 N이었으나 시연의 24.82 N보다는 컸다.
| Peg-in-hole 방식 | X 평균 힘 | Y 평균 힘 | Z 평균 힘 | Z 최대 힘 |
|---|---|---|---|---|
| 시연(Demo) | 2.91 N | 5.49 N | 4.52 N | 24.82 N |
| 하이브리드 힘/위치 제어 | 1.73 N | 1.83 N | 1.03 N | 44.01 N |
| 제안법(Ours) | 0.54 N | 0.50 N | 0.76 N | 36.55 N |
자료: STORIUM 정리
버튼, 지우기, peg-in-hole을 포함한 실제 조작 5종과 두 플랫폼은 가능성을 보이는 범위다. 힘 스파이크, 비전 오차에 따른 초기 접촉, 과제별 성능 차이가 남아 있고 실행 중 힘 피드백 통합과 자동 가중 추정도 수행되지 않았다. 동료검토 전 프리프린트 결과다.
저작권자 © STORIUM 무단전재 및 재배포 금지
