Transformer Transformer: 동작 조건부 로봇 공동 설계를 위한 통합 모델

특정 작업에 최적화된 로봇의 모든 물리적 특성(링크, 관절, 모터, 관성 등)과 제어 정책을 한 번에 생성하는 Transformer Transformer 프레임워크를 소개한다.

핵심 기술 요소는 다음과 같다:

• RoboTokens: 로봇의 형태(Embodiment)와 동역학(Dynamics)을 하나의 통합된 토큰 시퀀스로 표현하는 방식이다. 이를 통해 휠 기반 로봇, 사족 보행, 휴머노이드 등 다양한 형태를 단일 모델이 학습할 수 있다.
• Diffusion Transformer: RoboTokens를 기반으로 동작 시연(Demonstration)을 입력받아 최적의 로봇 설계와 컨트롤러를 생성한다.
• Dynamics Self-Guidance: 보상 함수에 과적합되지 않고, 추론 시점에 특정 보상을 달성하도록 설계된 동역학 모델을 활용해 로봇의 형태를 유도하는 기술이다.

실제 실험 결과, 천을 던지는 작업(Cloth flinging)을 수행하는 로봇 설계 시 기존 모델 대비 추적 오차(Tracking error)를 73% 감소시키고, 최대 관절 속도를 30% 개선하는 성과를 보였다.