최소한의 객체 정보로 구현하는 강인한 적응형 로봇 그래스핑(Grasping) 기술 분석
핵심 방법론: 정밀한 3D 모델이나 대규모 데이터 학습 없이, 구·실린더·박스 등 최소한의 기하학적 프리미티브로 객체를 근사화합니다. 제어 프레임워크: 가상의 스프링과 댐퍼를 활용하는 Virtual Model Control (VMC)을 적용해 자연스러운 동적 결합을 유도합니다. 산업적 가치: 기하학적·자세 오차 환경에서도 섀도우 덱스트러스 핸드(Shadow Dexterous Hand) 기반의 강인한 파지(Grasping) 성능을 입증했습니다. 로봇 그래스핑의 패러다임 전환: 데이터 집약적 방식의 한계 기존의 … 더 읽기