[논문 리뷰] SKATER: Synthesized Kinematics for Advanced Traversing Efficiency on a Humanoid Robot via Roller Skate Swizzles

Junchi Gu, Feiyang Yuan외 7명|arXiv (Cornell University)|2026. 01. 08.

Robotic Locomotion and Control인용 수 0

한 줄 요약

논문은 네 개의 수동 바퀴가 달린 25-DoF 휴머노이드인 SKATER를 소개하며, 심층 강화학습으로 스위즐 롤러스케이트 보행을 학습해 관절 충격을 낮추고 보행 대비 운송비(CoT)를 63.34% 감소시키며, 100% 표면-강건 성공을 달성한다.

ABSTRACT

Although recent years have seen significant progress of humanoid robots in walking and running, the frequent foot strikes with ground during these locomotion gaits inevitably generate high instantaneous impact forces, which leads to exacerbated joint wear and poor energy utilization. Roller skating, as a sport with substantial biomechanical value, can achieve fast and continuous sliding through rational utilization of body inertia, featuring minimal kinetic energy loss. Therefore, this study proposes a novel humanoid robot with each foot equipped with a row of four passive wheels for roller skating. A deep reinforcement learning control framework is also developed for the swizzle gait with the reward function design based on the intrinsic characteristics of roller skating. The learned policy is first analyzed in simulation and then deployed on the physical robot to demonstrate the smoothness and efficiency of the swizzle gait over traditional bipedal walking gait in terms of Impact Intensity and Cost of Transport during locomotion. A reduction of $75.86\%$ and $63.34\%$ of these two metrics indicate roller skating as a superior locomotion mode for enhanced energy efficiency and joint longevity.

연구 동기 및 목표

• 로봇 휴머노이드의 관절 마모와 에너지 손실을 줄이기 위해 롤러 스케이팅을 저충격, 에너지 효율적인 이동성으로 추진하는 것.
• 스위즐 스케이팅을 가능하게 하는 발당 네 개의 수동 바퀴를 가진 25-DoF 휴마노이드(SKATER)를 개발.
• 안정한 스위즐 보행을 위한 암시적 보행 보상과 커리큘럼 학습을 갖춘 DRL 제어 프레임워크 설계.
• 도메인 무작위화와 파라미터 보정을 통한 시뮬레이션-현실 전이를 달성하고 전통적 보행과 비교합니다.

제안 방법

• 유한-수평 MDP로 모델링하여 PPO로 해결하고 IsaacLab에서 4096개의 병렬 시뮬레이션을 사용합니다.
• 행위자 출력으로 PD 제어기를 사용하고 동작 A_t를 [-1,1]로 제한하며 원하는 위치를 위한 베타 스케일링을 적용합니다.
• 역할자(액터)에게 동역학과 관성 포착을 위한 상태 관측의 5스텝 이력을 제공합니다.
• 각 발에 네 개의 폴리우레탄 바퀴(지름 62 mm)을 부착하여 연속적인 바퀴-접지 슬라이딩을 가능하게 합니다.
• 작업 추적, 대칭성, 에너지, 자세, 발 제약 등을 강조하는 22항 다목적 보상 함수 설계(명시적 보행 타이밍 없음).
• 마찰, 질량, COM, 게인 및 기타 물리적 특성에 대한 도메인 무작위화를 적용하여 시뮬레이션-현실 전이를 가능하게 합니다.

Figure 1: The SKATER system: a humanoid robot equipped with roller skates for learning swizzle locomotion through deep reinforcement learning.

실험 결과

연구 질문

• RQ1 이족 로봇에서 롤러-스케이트 스위즐 이동이 보행에 비해 관절 충격과 에너지 비용을 줄일 수 있는가?
• RQ2 DRL을 사용하여 명시적 보행 타이밍이나 궤적 없이 안정적인 스위즐 보행을 발견할 수 있는가?
• RQ3 도메인 무작위화와 파라미터 보정이 롤러-스케이트 휴머노이드의 시뮬레이션-현실 전시에 어떤 영향을 미치는가?
• RQ4 가변 지면 마찰 및 표면 조건에 대해 SKATER의 강건성은 어떤가?

주요 결과

• 스위즐 보행은 시뮬레이션에서 보행 대비 충격 강도를 약 75.86% 감소시키는 것으로 나타났습니다.
• 스위즐 보행은 실제 로봇에서 보행 대비 운송비(CoT)를 63.34% 감소시키는 결과를 보였습니다.
• 힙 및 발목 피치 토크의 피크가 각각 약 74%와 65–75% 감소합니다(스위즐링 대비 보행).
• 타일, 고무, 자갈 표면에서 10m 직선 주행에 대해 100% 성공률(마찰계 0.2–1.0)을 달성했습니다.
• 발 궤적은 바운딩 형상의 2D 경로를 보이며 바운드 간 거리의 한계와 주기적 발목 각을 보이며 안정적 기생 보행을 시사합니다.
• 정책이 50 Hz로 온보드에서 실행되며 방향 무관 이동 및 장애물 회피 슬라이딩이 하드웨어에서 시연됩니다.
• 스위즐 중 속도 추적은 전통적 보행에 비해 감속이 느리고 정상 상태 오차가 일정하게 나타나 속도 제어 차이를 강조합니다。

Figure 2: Deep reinforcement learning control framework for SKATER. The policy network processes proprioceptive and exteroceptive sensor data to generate joint-level commands, enabling adaptive roller skate swizzle locomotion.