GLOSSARY

시뮬레이션-실제 전이

Sim-to-Real Transfer고급

시뮬레이션-실제 전이란 시뮬레이터에서 학습된 제어 정책(policy)이나 모델을 물리적 실제 로봇에 그대로, 또는 최소한의 재학습만으로 적용하는 방법론이다. 실제 환경에서 강화학습에 필요한 대규모 반복 탐색 데이터를 직접 수집하는 것은 시간·비용·안전 측면에서 제약이 크므로, 물리 시뮬레이터를 통해 데이터를 빠르게 생성한 뒤 현실에 활용한다. 핵심 도전은 시뮬레이터의 물리 모델이 현실을 완벽히 재현하지 못해 발생하는 현실 격차(reality gap)를 극복하는 것으로, 이를 위해 도메인 랜덤화(domain randomization)·도메인 적응(domain adaptation)·시스템 식별(system identification) 기법이 함께 쓰인다. 대표적인 사례로 4족 보행 로봇을 시뮬레이터에서 수천만 스텝 학습시킨 뒤 실제 하드웨어에 바로 배포하여 안정적 보행을 달성한 연구들이 있다. 전이 학습(transfer learning)이 데이터 분포 변화 전반을 다루는 광의의 개념인 반면, 시뮬레이션-실제 전이는 시뮬레이터와 물리 세계 사이의 모달리티 차이를 특정하여 다룬다는 점에서 구분된다.

이 용어가 나온 기사

ROS Discourse2026.09.03기초·제어이론휴머노이드

Bimo: sim-to-real 전이를 지원하는 오픈소스 이족보행 로봇 키트

Bimo, an open-source bipedal robotics kit with sim-to-real transfer

Bimo는 이족보행 로봇 연구·교육을 위한 오픈소스 플랫폼으로, 완조립 SLS 키트와 직접 출력·조립하는 DIY 키트 두 가지 형태로 제공된다. 높이 45cm, 무게 약 1.6kg의 본체에 8개의 STS-3215 서보, BNO08x 9-자유도(DOF) IMU, 4개의 TOF 센서, 2개의 180° 화각 카메라, 커스텀 RP2040 기반 컨트롤러를 탑재한다. Isaac Lab 기반 sim-to-real 파이프라인을 내장하며, MCU 등 제한된 하드웨어에서 강화학습(RL) 정책을 구동할 수 있는 지식 증류(distillation) 스크립트를 함께 제공한다. 두부 공동에 M3 마운트와 최대 1kg 페이로드 지원 구조를 갖춰 비전·SLAM 모듈 등 추가 하드웨어 장착이 가능하다. 중추 패턴 발생기(CPG, Central Pattern Generator) 기반 기본 보행 알고리즘이 내장되어 있어 별도 학습 없이도 즉시 보행을 시작할 수 있다.

큐레이터sim-to-real 파이프라인이 '내장'되어 있다고 소개하지만, 실제 하드웨어에서 전이 성능이 어느 수준인지는 요약에 제시되지 않았다. 또한 MCU 구동을 위한 지식 증류 과정에서 원본 RL 정책 대비 어느 정도의 성능 손실이 발생하는지가 확인되어야 실용성을 판단할 수 있다.

#Bimo #Isaac Lab #sim-to-real #CPG #강화학습

같은 난이도의 용어 (고급)

행동 복제Behavior Cloning 영점모멘트점ZMP (Zero Moment Point)전신 제어Whole-Body Control 저구동 시스템Underactuated System 도메인 랜덤화Domain Randomization 촉각 센싱Tactile Sensing