태그: #MuJoCo

← 전체 글

• DeepMind 탁구 로봇을 원문으로 읽고 시뮬레이터로 따져 본 개선 방향

  DeepMind 의 ICRA 2025 탁구 로봇 논문을 arXiv 원문으로 다시 읽고, 저자가 밝힌 한계 아홉 가지를 정리했습니다. 로봇은 125 Hz 카메라 두 대, 약 100 ms 의 지연, 기술 정책 17개와 고수준 선택기로 사람과 29경기를 치러 13승을 거뒀지만 상급자 11명에게는 한 경기도 이기지 못했습니다. 회전량은 추정하지 않고 탑·언더 분류기만 썼습니다. 우리 MuJoCo 시

  2026-10-18 · 15 분 읽기 #탁구 로봇#DeepMind#강화학습#회전 추정#MuJoCo

• 탁구 로봇의 고전 제어 기준선: 보고, 예측하고, 휘두르면 몇 개나 넘길까

  2편의 MuJoCo 공 모델에 갠트리 2축과 손목 2축 로봇을 올리고, 공 상태 추정, 비행 예측, 사격법 타격 결정, 닫힌 해 역기구학, 5차 궤적, 계산 토크 제어로 이어지는 고전 제어 기준선을 돌렸습니다. 공의 참 상태를 알면 반환 성공률이 62%, 120 Hz 카메라에 지연 30 ms 를 가정하면 60%, 지연이 100 ms 면 26%, 30 Hz 에 지연 100 ms 면 2% 였습니

  2026-10-18 · 12 분 읽기 #탁구 로봇#MuJoCo#역기구학#궤적 계획#카메라 지연

• 탁구공 물리를 MuJoCo 로 재기: 반발, 항력, 회전이 시뮬레이터 설정 한 줄에 달려 있다

  DeepMind 가 공개한 탁구 MJCF 의 공·탁자 값을 MuJoCo 3.16 에 그대로 넣고, 낙하 반발, 항력과 마그누스 힘, 비스듬한 바운드, 공개 초기 상태 500개의 민감도를 쟀습니다. 30 cm 에서 떨어뜨린 공은 26.4 cm 까지 튀어 규정의 약 23 cm 보다 높았고, 시간 간격을 2 ms 로 늘리면 196 cm 까지 튀어 수치가 발산했습니다. 마그누스 세기는 문헌(TT3D

  2026-10-18 · 22 분 읽기 #MuJoCo#탁구#탁구 로봇#물리 시뮬레이션#마그누스