[GSoC 2026] Physical AI Inference and Trajectory Upscaling for ros2_control
요약
ACT·확산 정책(diffusion policy)·시각-언어-행동 모델(VLA) 등 학습 기반 조작 정책은 20~50 Hz로 관절 목표값을 출력하고 50~500 ms마다 재계획하지만, 하드웨어 제어 사이클은 500 Hz~2 kHz의 명령을 필요로 한다. 희소 경유점을 그대로 전달하면 새 경유점마다 속도 불연속과 가속도 급등이 발생한다. 이 GSoC 2026 프로젝트는 ros2_controllers 내에서 이 간격을 세 단계로 해소하는 구현을 제출했다. 궤적 교체 블렌딩 개선을 통해 기존 JTC(Joint Trajectory Controller)가 새 궤적 수신 시 이전 궤적을 즉시 폐기하던 방식을 변경, 두 궤적을 수신 시점에 접합(prefix·bridge·suffix)하는 방식으로 대체했다. 전체 구현은 7자유도 AgileX Nero 로봇에서 하드웨어 실증으로 검증됐다.
큐레이터 노트
원문에 없는 맥락입니다
검증이 7자유도 AgileX Nero 단일 플랫폼에서만 이뤄졌으므로, 다른 자유도 구성이나 하드웨어에서의 블렌딩 안정성은 별도 확인이 필요하다; GSoC 제출물인 만큼 ros2_controllers 메인라인 병합 여부는 이후 리뷰 과정에 달려 있다.
이 글은 원문을 요약한 큐레이션입니다. 수치·스펙은 원문 표기를 유지했습니다. 로봇 발표는 제조사·연구실 보도자료가 많으므로 검증된 결과와 구분해 읽으세요.