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
구성요소
| 로봇 | ANYmal-D : 4족 보행 기반 이동성과 상체 조작 기능이 결합된 인지형 로봇
팔형 액추에이터 : 라켓을 들고 타격 가능한 전용 모션 유닛 |
|---|---|
| 주변기기 | 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 |
작업순서
| 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 |
※ 마로솔 내의 모든 콘텐츠를 무단으로 복사 및 재창작할 경우 부정경쟁방지법 및 저작권법에 위반될 수 있음을 밝힙니다.














