[논문 리뷰] RAPID: Reconfigurable, Adaptive Platform for Iterative Design

Zi Yin, Fanhong Li외 2명|arXiv (Cornell University)|2026. 02. 06.

Modular Robots and Swarm Intelligence인용 수 0

한 줄 요약

RAPID는 도구 없이 전체 스택의 모듈식 하드웨어 플랫폼과 드라이버 수준의 물리적 마스크를 제공하여 빠른 다중 모드 재구성 및 원활한 센서 핫플러그 핸들링을 가능하게 하며, 다중 모달 절제 연구에서 설정 시간을 약 100배 단축합니다.

ABSTRACT

Developing robotic manipulation policies is iterative and hypothesis-driven: researchers test tactile sensing, gripper geometries, and sensor placements through real-world data collection and training. Yet even minor end-effector changes often require mechanical refitting and system re-integration, slowing iteration. We present RAPID, a full-stack reconfigurable platform designed to reduce this friction. RAPID is built around a tool-free, modular hardware architecture that unifies handheld data collection and robot deployment, and a matching software stack that maintains real-time awareness of the underlying hardware configuration through a driver-level Physical Mask derived from USB events. This modular hardware architecture reduces reconfiguration to seconds and makes systematic multi-modal ablation studies practical, allowing researchers to sweep diverse gripper and sensing configurations without repeated system bring-up. The Physical Mask exposes modality presence as an explicit runtime signal, enabling auto-configuration and graceful degradation under sensor hot-plug events, so policies can continue executing when sensors are physically added or removed. System-centric experiments show that RAPID reduces the setup time for multi-modal configurations by two orders of magnitude compared to traditional workflows and preserves policy execution under runtime sensor hot-unplug events. The hardware designs, drivers, and software stack are open-sourced at https://rapid-kit.github.io/ .

연구 동기 및 목표

• 조작 정책 개발 중 엔드 이펙터와 센서를 교체할 때의 기계적 및 소프트웨어 재구성 마찰을 줄인다.
• 실시간으로 하드웨어 모달리티 존재를 노출하는 드라이버 수준의 물리적 마스크를 도입하여 자동 구성 및 우아한 저하를 가능하게 한다.
• 재구성 시간 및 센서 핫플러그 이벤트에 대한 견고성에서 시스템 차원의 개선을 입증한다.
• 핸드헬드 데이터 수집과 로봇 배치를 모두 지원하는 통합된 하드웨어-소프트웨어 스택을 제공한다.
• 더 넓은 채택과 빠른 반복을 촉진하기 위해 하드웨어 설계와 소프트웨어를 오픈 소스로 제공한다.

제안 방법

• 도구 없이 모듈식 베이스를 mortise-and-tenon 조인트와 USB 기반 인터커넥트를 사용해 초 단위 재구성을 가능하게 한다.
• USB 플러그/언플러그 이벤트를 500 Hz의 물리적 마스크로 변환하여 가상 디바이스 파일을 통해 노출하는 드라이버 계층을 구현한다.
• 가벼운 ZeroMQ + Zeroconf 미들웨어를 사용하여 센서 스트림과 물리적 마스크를 시간 정렬된 동기화로 게시한다.
• 마스크 인지 데이터 정렬과 오프라인 모달리티의 제로 채움으로 수집 모드와 추론 모드의 두 가지 작동 모드를 가능하게 한다.
• 학습 중 모달리티 드롭아웃을 포함한 확산 기반 정책을 학습하고 추론 시 마스크 기반 제로 채움으로 누락된 센서를 처리한다.
• 데이터 세트 큐레이션 및 사후 분석을 지원하기 위해 프레임 단위의 물리적 마스크 로깅을 제공한다.

실험 결과

연구 질문

• RQ1 그리퍼 및 모달리티의 N × M 구성을 탐색할 때 전체 스택 재구성이 설정 시간을 얼마나 줄이는가?
• RQ2 하드웨어 기반 물리적 마스크가 추론 중 센서 핫플러그 이벤트에서 안전한 자동 구성과 우아한 저하를 가능하게 할 수 있는가?
• RQ3 도구 없이 모듈식으로 구성하는 것이 정책의 견고성이나 데이터 무결성을 해치지 않으면서 반복 속도에 어떤 영향을 미치는가?
• RQ4 RAPID 스택이 핸드헬드 데이터 수집과 로봇 장착 배치를 얼마나 효과적으로 통합할 수 있는가?
• RQ5 모듈식 로봇에 mortise-and-tenon 조인트와 USB 기반 인터커넥트를 사용할 때의 한계와 트레이드오프는 무엇인가?

주요 결과

• 구성당 재구성 시간이 약 480초에서 약 5초로 감소하여 9개 구성을 완전 절제하는 속도가 약 100배 빨라진다.
• 물리적 마스크는 추론 중 센서가 핫 언플러그되거나 재플러그될 때 정책 실행의 원활한 저하 및 끊김 없는 지속을 가능하게 한다.
• 마스크 인지 로깅과 고정 차원의 관측은 오프라인 모달리티의 제로 채움을 통해 유지되며 학습을 위한 데이터 일관성을 보존한다.
• 런타임 실험에서 RAPID는 센서 변화 하에서도 정책 실행을 보존하여 정적 구성 기반선보다 우수함을 보였다.
• 도구 없이 모듈식 설계는 단일 통합 하드웨어 베이스로 핸드헬드 데이터 수집과 로봇 탑재 배치를 모두 지원한다.
• 오픈 소스 하드웨어와 소프트웨어는 커뮤니티의 빠른 도입과 조작 연구에서의 추가 하드웨어-소프트웨어 공동 설계를 촉진한다.