Unitree Go2 보행 시뮬레이션
강화학습으로 배운 보행 정책(신경망)이 Go2를 걷게 합니다. 방향키로 조종해 슬라럼과 경사로를 지나 보고, "AI 들여다보기"에서 신경망이 무엇을 보고 다리 12개를 어떻게 움직이는지, 정책을 끄면 어떻게 되는지 실험하세요.
시뮬레이터 준비 중
끌면 시점이 돌고, 휠로 확대합니다. 바닥 격자 한 칸은 50 cm입니다. 카메라는 로봇을 따라갑니다.
안에서 일어나는 일
- 물리: MuJoCo 물리 엔진이 브라우저에서 1초에 200번 계산합니다. 로봇 모델은 Google DeepMind MuJoCo Menagerie의 Unitree Go2(무게 15.2 kg, 관절 12개)입니다.
- 보행 정책: 시뮬레이션 속에서 수천만 걸음을 넘어지고 일어나며 "명령한 속도로 넘어지지 않고 걷기"를 배운 신경망(45 → 512 → 256 → 128 → 12)입니다. 1초에 50번 다리 목표 각도를 정합니다.
- 관절 제어: 관절 모터는 목표 각도를 스프링·댐퍼(PD)처럼 따라갑니다. 정책을 끄면 같은 PD가 기본 자세만 붙잡고 있어 걷지 못합니다.
- 방향 유지: 회전 명령이 없을 때 처음 방향과의 차이를 회전 명령으로 바꿔 넣어 똑바로 걷게 합니다(엔스크린 추가).
- 한계: 이 정책은 평지에서 학습되어 턱·계단은 잘 넘지 못하고, 옆걸음은 거의 하지 않습니다. 실물 Go2는 제조사 정책으로 계단도 오릅니다.
이 시뮬레이션을 쓰는 차시
| 차시 | 시뮬레이터 활동 |
|---|---|
| 1 | 해 보기: 사족 보행 관찰(걸음새), 밀어 보고 균형 회복 보기 |
| 2 | AI 들여다보기: 명령과 실제 속도 그래프, 신경망 출력(다리 각도) 읽기 |
| 3 | 정책 끄기 실험: "규칙 없이 배운 걸음"과 "자세만 유지"의 차이, 강화학습의 보상 개념 |
| 4–5 | 코드: 거리·회전 명령으로 사각형, 슬라럼·경사로 미션 |
| 6 | 실물 Go2 EDU에서 SDK로 같은 명령 실행, 시뮬레이션과 실물 비교 |
차시 활동은 엔스크린 제안입니다. 실물 수업 전 연습과 장비가 모자랄 때 대신 쓰는 용도입니다.
출처와 이용 조건
로봇 모델(모양·관절·질량·충돌 도형)은 MuJoCo Menagerie unitree_go2이며 BSD-3-Clause(© Unitree Robotics)입니다. 화면용 메시는 원본을 가볍게 줄였고, 관절 감쇠·관성은 보행 정책을 학습한 조건(mjlab)에 맞췄습니다.
보행 정책은 허락 전 내부 검토용입니다. 신경망 가중치는 danrosselli/mujoco-js가 mjlab(Apache-2.0)으로 학습해 공개한 policy.onnx를 엔스크린이 웹용으로 옮긴 것입니다. 이 저장소에는 라이선스 표기가 없어 외부 공개 전에 작성자에게 이용 허락을 받거나, 엔스크린이 mjlab으로 직접 학습한 정책으로 바꿉니다.
시뮬레이터 화면·제어 코드(방향 유지, 미션, 코드 명령)는 엔스크린이 작성했으며 MuJoCo(Apache-2.0)와 three.js(MIT)를 우리 서버에서 불러옵니다. Unitree·Go2는 Unitree Robotics의 상표이며, 이 시뮬레이터는 Unitree와 관계가 없습니다.