엔비디아, 인간 모션을 휴머노이드 로봇 관절 궤적으로 변환하는 오픈소스 '소마 리타게터' 공개

휴머노이드 모션 변환 개요

엔비디아가 인간의 신체 움직임 데이터를 휴머노이드 로봇의 관절 궤적으로 변환하는 오픈소스 소프트웨어인 '소마 리타게터(SOMA Retargeter)' 0.2 버전을 공개했다. 이 도구는 인간의 동작 캡처나 영상에서 추출한 움직임을 각기 다른 신체 비율과 관절 구조를 가진 인간형 로봇에 맞게 조정해 준다. 변환된 결과물은 기준 위치와 회전각, 관절 각도 데이터를 포함하는 쉼표 구분 값 파일 형태로 출력되어 로봇의 동작 제어 및 강화학습 파이프라인에 직접 투입할 수 있다.

로봇 공학에서 인간의 자연스러운 시연 데이터는 휴머노이드의 보행과 복잡한 작업 수행을 학습시키는 핵심 출발점으로 꼽힌다. 하지만 인간과 로봇은 뼈대 길이, 관절 구조, 가동 범위가 근본적으로 달라 인간의 관절 각도를 로봇에 그대로 복제하면 기계적 파손이나 불안정한 거동이 발생한다. 이에 따라 통일된 인간 골격 모델인 소마-엑스(SOMA-X) 기반 표준 골격을 정의하고, 서로 다른 출처의 데이터를 로봇 사양에 맞춰 체계적으로 재조정할 수 있는 전용 변환 기술이 개발되었다.

역기구학 연산과 오차 보정

입력 데이터는 표준 동작 캡처 데이터셋뿐 아니라 단일 카메라 영상 기반의 3차원 복원 모델인 젬-엑스(GEM-X), 텍스트 명령어로 동작을 생성하는 키모도(Kimodo)와 아디(ARDY) 등 다양한 소스를 지원한다. 소마 리타게터는 바이오비전 계층 애니메이션 형식의 원본 동작을 읽어 들여 대상 로봇의 신체 비율에 맞춰 크기를 자동 조정한다. 이어 각 프레임마다 로봇의 기준점 위치와 자세, 관절 회전값을 계산하여 하위 학습 시스템이 해석할 수 있는 시계열 궤적 데이터로 변환한다.

핵심 변환 알고리즘은 엔비디아 워프 기반의 고성능 물리 연산 라이브러리인 뉴턴(Newton)의 역기구학 풀이기를 활용한다. 로봇의 관절 가동 범위 제약으로 인해 인간의 신체 목표 위치를 모두 충족하기 어려울 때를 대비하여 신체 부위별 가중치를 부여하며, 대표 작업군을 바탕으로 가중치를 시험 조정하는 최적화 기능도 지원한다. 아울러 발이 땅에 닿는 구간에서 미끄러짐이 발생하는 현상을 줄여주는 착지 보정 기능을 탑재해 강화학습 과정에서 참조 궤적과 실제 물리 접촉 간의 충돌을 방지한다.

기종별 설정과 제어기 학습

이번 0.2 버전에는 유니트리 쥐원과 에이치투, 부스터 티원, 애자일봇 엑스투 울트라 및 에이스리 티쓰리 등 5종의 대표 휴머노이드 로봇에 대한 설정과 참조 결과가 기본 탑재되었다. 개발자는 그래픽 사용자 인터페이스인 뷰어와 로봇 구성 도구를 사용해 인간과 로봇의 기준 자세를 일치시키고 신체 부위별 대응 관계를 손쉽게 지정할 수 있다. 한 번 검증을 마친 설정 파일은 화면 표시 없이 실행되는 배치 처리 환경에서 대량의 동작 라이브러리를 고속으로 변환하는 데 재사용된다.

변환된 참조 궤적은 소닉(SONIC)이나 프로토모션(ProtoMotions) 같은 물리 기반 모션 추종 프레임워크로 전달되어 로봇 제어 정책 학습에 쓰인다. 개발자는 가상 물리 시뮬레이션 환경인 아이작 랩과 뉴턴에서 학습된 정책의 균형 유지 능력, 지면 접촉 상태, 구동기 한계 속도 등을 사전에 검증할 수 있다. 실제로 마이크로덕 로봇을 활용한 가상 시뮬레이션 제어기 학습과 모션브릭스 모델을 적용한 유니트리 쥐원 실물 로봇에서의 실시간 전신 제어가 실증되었다.

변환 시 제약과 검증 조건

다만 소마 리타게터가 생성하는 동작 데이터는 순수 기하학적 변환 결과이므로 물리적 현실성을 완전히 보장하지 않는다는 점에 유의해야 한다. 기준 자세가 제대로 정렬되지 않으면 한 팔을 흔드는 단순 동작에서도 로봇의 양팔이 동시에 벌어지는 등 의도치 않은 거동 왜곡이 발생한다. 또한 동일한 원본 동작이라도 적용 설정값과 종속성 소프트웨어 버전에 따라 세부 관절 수치가 달라질 수 있으므로, 실제 하드웨어 배포에 앞서 물리 시뮬레이션을 통한 구동기 토크와 지면 반력 검증이 필수적이다.