Learn from Human motion

 모습과 기능이 인간과 비슷한 로봇을 Humanoid Robot이라고 한다. 이러한 Humanoid robot은 그 모습때문에 인간과 친근하다는 장점 외에도 바퀴로 동작하는 여러 로봇과 달리 더 높은 자유도를 가지고 있다. Humanoid robot은 이러한 높은 자유도 덕분에 계단을 오르내리거나 여러 형태의 물건을 다룰 수 있는 등의 인간이 할 수 있는 여러 작업을 할 수 있는 능력을 가지고 있다. 하지만 이러한 높은 자유도는 개발자들로 하여금 Humanoid 로봇을 개발하는데 많은 어려움을 겪게 한다. 먼저 각 Humanoid robot 마다 kinematics가 다르고, 이에 따라 특정 동작을 수행하기 위해서 풀어야 할 inverse kinematics 역시 달라지게 된다. 게다가 joint의 자유도와 동작 범위, rigid part의 길이 등이 모두 다르기 때문에 간단한 동작이라도 한 로봇에 특화된 동작을 다른 로봇으로 옮기는 것은 쉽지 않은 일이다. 

 Humanoid robot은 그 이름이 나타내듯이 인간의 모습을 한 로봇이다. 다시말해서 Humanoid robot은 인간의 행동을 따라하는 것에 그 의의가 있다고 할 수 있다. 그렇기 때문에 Humanoid robot을 가장 효과적으로 제어하는 것은 인간의 행동을 따라하게 하는 것이다. 이러한 Learn from Human motion은 크게 두 가지 part로 나뉠 수 있다.

 하나는 사람의 motion을 capture해서 이를 rigid body model과 같은 수학적 모델로 나타내는 것이다. 이 부분은 상대적으로 쉽다. 기존에 Motion capture를 도와주는 여러 tool들을 사용할 수 있기 때문이다. ViCon motion capture system은 mm단위의 정확한 mocap 데이터를 얻을 수 있지만 가격이 비싸다는 단점이 있다. Microsoft Kinect는 오차가 수십cm의 상대적으로 부정하고, 미리 정해진 단순한 skeleton model을 얻을 수 있지만 설치가 쉽고 가격이 싸다는 점이 있다. 

 두 번째는 capture된 사람의 mocap data를 Humanoid robot이 따라하도록 하는 것이다. 이 부분이 상대적으로 어려운 부분이다. 앞에서 언급했듯이 robot마다 kinematics와 physical constraints가 다르기 때문에 걷기 같은 가장 간단한 행동이라도 여러 로봇에 적용하는 것은 쉽지 않다. 이를 위해서 먼저 정의해야 할 것은 humanoid robot의 physical constraint를 정의하는 일이다. 

 만약 humanoid robot이 사람의 motion을 효과적으로 따라서 행동할 수 있다면 많은 응용에 사용될 수 있을 것이다. 

 이를 위해서 Gaussian process 등의 non-parametric model을 이용할 수 있을 것이다.