Curious about the robots deployed?
공정 개요
본 도입사례는 스위스 ETH 취리히에서 개발한 4족 보행 로봇 ANYmal-D를 통해 고도화된 피지컬 인텔리전스(Physical Intelligence, PI) 기반 스포츠 로봇 기술을 구현한 사례입니다.
ANYmal-D는 강화학습을 통해 사람과 실제 배드민턴 랠리를 주고받을 수 있는 인지형 로봇으로, 외부 센서 없이 온보드 센서만으로 셔틀콕의 궤적을 인식하고, 전신을 활용해 전략적으로 움직이며 민첩한 플레이를 수행합니다.
이 프로젝트는 단순한 자동화를 넘어, 로봇이 동적인 환경에서 스스로 판단하고 반응하는 ‘상황 대응형 자동화’ 기술의 실증 사례로 주목받고 있습니다.
프로젝트 배경 및 목적
기존의 자율형 로봇은 통상적으로 정적인 환경에서 일정한 궤도나 작업을 반복 수행하는 데에 한계가 있었습니다. 그러나 스포츠와 같은 예측 불가능한 상황에서는 실시간 인지, 판단, 운동 제어가 가능한 고도화된 자동화 기술이 필요합니다.
ETH 취리히 연구진은 ‘인간 수준의 운동 지능’을 갖춘 로봇 시스템 개발을 목표로 ANYmal-D 프로젝트를 추진했으며, 이 프로젝트는 다음과 같은 목적을 가지고 진행되었습니다:
비정형 환경에서의 자율 반응형 운동 제어 구현
온보드 센서를 활용한 인지-운동 통합 시스템 개발
인간과 협력 가능한 스포츠형 로봇의 기술 실증
피지컬 인텔리전스(PI) 기반 강화학습 알고리즘 테스트
Components
| Robot | ANYmal-D : 4족 보행 기반 이동성과 상체 조작 기능이 결합된 인지형 로봇
팔형 액추에이터 : 라켓을 들고 타격 가능한 전용 모션 유닛 |
|---|---|
| Peripherals | 강화학습 기반 AI 제어기 : 수천 번의 시뮬레이션을 통해 셔틀콕 예측 및 전략적 움직임 학습
온보드 시각 센서 : 색상 기반 필터링으로 셔틀콕을 식별하고 궤적을 예측
PI 제어 아키텍처 : 운동학적 모델 기반 전신 조정 시스템 |
Workflow
| STEP 1. | 온보드 센서로 셔틀콕 감지 및 색상 기반 식별 |
|---|---|
| STEP 2. | 셔틀콕의 궤적을 예측하고 목표 낙하 지점 계산 |
| STEP 3. | 보행 전략 선택 (정지/달리기/점프 등) |
| STEP 4. | 적정 타이밍과 자세로 라켓을 스윙해 셔틀콕 반격 |
| STEP 5. | 타격 후 자동으로 코트 중앙 복귀 및 다음 동작 준비 |
※ The content provided by Bigwave Robotics is protected under U.S. and Canadian copyright and intellectual property laws. Unauthorized reproduction, distribution, or use of this content is strictly prohibited.
Recommended Use Cases
VisionNav VNPA15를 활용한 실내 물류 이송 및 적재
이 적용사례는 VisionNav의 VNPA15를 활용하여 패킹된 제품을 이송하고 적재하는 공정을 자율주행 로봇으로 자동화한 물류자동화 솔루션입니다. 엄격한 안전기능을 바탕으로 기존 공정의 변화를 최소화하고 이적재 작업을 무인화 가능하며, 작업 현황에 대해 효과적으로 모니터링하고 통제가 가능합니다.
OMRON LD-250을 활용한 카트 견인 및 엘리베이터 이동
본 솔루션은 OMRON의 LD-250를 활용해 카트를 견인하고 엘리베이터로 이동하는 솔루션입니다. OMRON의 모바일로봇 LD-250은 스스로 지도를 작성하고 움직이는 그 위에서 시시각각 변화하는 현장 상황에 맞추어 최적 경로를 찾아 자율 주행하는 로봇(AMR, Autonomous Mobile Robot)입니다. LD-250은 페이로드 250kg인 로봇이지만, 견인을 한다면 이보다 무거운 물건도 옮길 수 있으며 엘리베이터를 통해 건물의 각 층을 오가는 능력으로 카트의 자동 이송을 더욱 넓은 범위에서 생각해볼 수 있습니다.
(TEST) MJ_INQUIRY_CASE_TEST_260804
공정 개요
본 도입사례는 스위스 ETH 취리히에서 개발한 4족 보행 로봇 ANYmal-D를 통해 고도화된 피지컬 인텔리전스(Physical Intelligence, PI) 기반 스포츠 로봇 기술을 구현한 사례입니다.
ANYmal-D는 강화학습을 통해 사람과 실제 배드민턴 랠리를 주고받을 수 있는 인지형 로봇으로, 외부 센서 없이 온보드 센서만으로 셔틀콕의 궤적을 인식하고, 전신을 활용해 전략적으로 움직이며 민첩한 플레이를 수행합니다.
이 프로젝트는 단순한 자동화를 넘어, 로봇이 동적인 환경에서 스스로 판단하고 반응하는 ‘상황 대응형 자동화’ 기술의 실증 사례로 주목받고 있습니다.
프로젝트 배경 및 목적
기존의 자율형 로봇은 통상적으로 정적인 환경에서 일정한 궤도나 작업을 반복 수행하는 데에 한계가 있었습니다. 그러나 스포츠와 같은 예측 불가능한 상황에서는 실시간 인지, 판단, 운동 제어가 가능한 고도화된 자동화 기술이 필요합니다.
ETH 취리히 연구진은 ‘인간 수준의 운동 지능’을 갖춘 로봇 시스템 개발을 목표로 ANYmal-D 프로젝트를 추진했으며, 이 프로젝트는 다음과 같은 목적을 가지고 진행되었습니다:
비정형 환경에서의 자율 반응형 운동 제어 구현
온보드 센서를 활용한 인지-운동 통합 시스템 개발
인간과 협력 가능한 스포츠형 로봇의 기술 실증
피지컬 인텔리전스(PI) 기반 강화학습 알고리즘 테스트
Components
| Robot | ANYmal-D : 4족 보행 기반 이동성과 상체 조작 기능이 결합된 인지형 로봇
팔형 액추에이터 : 라켓을 들고 타격 가능한 전용 모션 유닛 |
|---|---|
| Peripherals | 강화학습 기반 AI 제어기 : 수천 번의 시뮬레이션을 통해 셔틀콕 예측 및 전략적 움직임 학습
온보드 시각 센서 : 색상 기반 필터링으로 셔틀콕을 식별하고 궤적을 예측
PI 제어 아키텍처 : 운동학적 모델 기반 전신 조정 시스템 |
Workflow
| STEP 1. | 온보드 센서로 셔틀콕 감지 및 색상 기반 식별 |
|---|---|
| STEP 2. | 셔틀콕의 궤적을 예측하고 목표 낙하 지점 계산 |
| STEP 3. | 보행 전략 선택 (정지/달리기/점프 등) |
| STEP 4. | 적정 타이밍과 자세로 라켓을 스윙해 셔틀콕 반격 |
| STEP 5. | 타격 후 자동으로 코트 중앙 복귀 및 다음 동작 준비 |
※ The content provided by Bigwave Robotics is protected under U.S. and Canadian copyright and intellectual property laws. Unauthorized reproduction, distribution, or use of this content is strictly prohibited.