Integrated Physics-Informed Task Learning and Robust Control for Force-Intensive Robot Manipulation
이공학학술연구기반구축(R&D) · 박사과정생연구장려금지원
2026년
2340065168
교육부
한국연구재단
대구경북과학기술원
김태훈
1명
2026.09.01 ~ 2027.02.28
2026.09.01 ~ 2028.08.31
1,250만원
1,250만원
개발연구
대학
대구광역시 달성군
기계 > 로봇/자동화기계 > 로봇 제어/지능화기술
... 및 강건 제어 통합 프레임워크(PPLM-DOB)를 개발하는 것이다. 글로벌 제조업의 다품종 소량생산 전환에 따라 접촉력 집약 공정의 로봇 자동화 수요가 급증하고 있으나, 기존 순수 데이터 기반 모방학습(Diffusion Policy, ACT 등)은 동역학의 물리적 구조를 반영하지 않아 접촉 환경에서 배치 실패가 빈번하고, 전통적 모델 기반 제어(computed torque, ...
본 연구는 접촉력 집약 조작의 태스크 학습과 강건 제어를 통합하는 계층적 프레임워크로, 4개 핵심 모듈로 구성된다.[모듈 1] 물리 정보 기반 최적 학습 데이터 설계(CATALYST 확장): ICRA 2026에서 신청자가 제1저자로 발표한 CATALYST 프레임워크를 7자유도 매니퓰레이터 및 접촉 환경으로 확장한다. CAD 기반 관성 행렴 M(q)의 구조적 특성(조건수, ...
... 활용 패러다임을 제시한다. 기존에는 모델 구조나 손실 함수에만 물리 정보를 반영했으나, 학습 데이터 설계 자체에 물리 정보를 반영하는 접근은 본 연구가 최초이며 타 로봇 플랫폼(드론, 보행 로봇 ... 폴리싱, 디버링 등 접촉력 집약 제조 공정에 직접 적용 가능하며, CAD 기반 물리 정보 데이터 설계 방법론은 새로운 로봇 도입 시 학습 비용을 대폭 절감한다. UUB 안정성 보장은 산업 ...