AXIS 03
Sim-to-Real Transfer · 심투리얼 트랜스퍼
시뮬레이터(Isaac Sim, MuJoCo)에서 학습한 정책을 실물 로봇으로 이관하는 도메인 갭 해소 방법론을 연구합니다.
개요
시뮬레이터(NVIDIA Isaac Sim, MuJoCo 등)에서 학습한 로봇 정책을 실물 로봇으로 이관하는 도메인 갭(Domain Gap) 해소 방법론을 연구하는 축입니다. 물리 파라미터 랜덤화, 시각적 도메인 랜덤화, 실패 사례 기반 재학습 등의 기법을 통해 시뮬레이션과 실물 사이의 간극을 좁히고, 그 성과를 Sim-Real Workspace의 연구 데스크에서 실시간으로 검증합니다.
#IsaacSim#MuJoCo#도메인랜덤화#정책이관
KEY TOPICS
핵심 연구 주제
도메인 랜덤화
시뮬레이션 환경의 물리·시각 파라미터를 다양화해 실물 환경 변화에 강건한 정책을 학습합니다.
정책 이관(Policy Transfer)
시뮬레이터에서 학습한 강화학습·모방학습 정책을 실물 로봇 제어기로 이식합니다.
실패 기반 피드백 루프
실물에서 발생한 실패 사례를 시뮬레이션으로 되돌려 정책을 재학습하는 순환 구조를 운영합니다.
SCENARIOS
실증 시나리오
01
Isaac Sim 기반 정책 학습
NVIDIA Isaac Sim에서 대규모 병렬 시뮬레이션으로 로봇 조작 정책을 학습하고, 실물 로봇 이관 전 사전 검증을 수행합니다.
02
MuJoCo 물리 검증
정밀한 물리 엔진 기반 시뮬레이션으로 로봇의 동역학적 거동을 사전 검증한 뒤 실물 실험으로 이어갑니다.
03
Sim-Real 갭 분석 리포트
실물 로봇 실증 결과와 시뮬레이션 예측치를 비교 분석하여 도메인 갭을 정량화하고 개선 방향을 도출합니다.
RELATED SPACE
관련 연구 공간
Sim-Real Workspace · 심리얼 워크스페이스
공간 자세히 보기 →