스트로베리 랩은 학습 기반 제어 정책과 임베디드 하드웨어를 연결하는 로봇 개발 과정을 연구합니다. 현재는 시뮬레이션에서 실제 환경으로 전이하는 라인 트레이싱 로봇을 개발하고 있습니다.
라인 트레이싱은 환경 인식, 제어 행동 결정, 자원이 제한된 하드웨어로의 정책 전이를 연구할 수 있는 구체적인 로봇 학습 과제입니다.
시뮬레이션 기반 정책 학습과 ESP32-S3용 Arduino 펌웨어 배포를 연결하는 로봇 개발 프로젝트입니다. 학습 환경, 학습 기반 제어 정책, 정책 변환 및 임베디드 통합을 다룹니다.
라인 트레이싱 로봇을 실험 플랫폼으로 개발하여 시뮬레이션에서 학습한 제어 정책을 자원이 제한된 임베디드 하드웨어로 전이하는 과정을 연구합니다.
Isaac Sim 및 Isaac Lab으로 시뮬레이션 환경을 구성하고, 행동 복제와 PPO로 정책을 개발하며, ESP32-S3와 Arduino로 임베디드 통합을 진행합니다.
현재 개발 진행 중입니다. 실제 로봇 검증과 성능 측정은 향후 진행할 과제이며, 이 페이지는 완료된 하드웨어 실험 결과를 제시하지 않습니다.
환경 검증, 정책 학습, 평가, 정책 변환 및 펌웨어 통합을 연결하는 개발 과정입니다. 각 단계의 결과물을 확인한 뒤 다음 단계로 이어가는 것을 목표로 합니다.
Isaac Sim과 Isaac Lab에서 로봇 모델, 센싱 및 학습 환경을 검증합니다.
행동 복제와 PPO로 정책을 학습하고 여러 시나리오에서 동작을 평가합니다.
임베디드 하드웨어의 제약을 고려하여 학습 정책을 추론에 사용할 수 있도록 변환합니다.
ESP32-S3용 Arduino 펌웨어와 통합하고 실제 로봇 검증을 진행해 나갑니다.
다음은 향후 개발 단계에서 확인할 검증 항목이며, 측정 완료된 결과가 아닙니다.
여러 시뮬레이션 시나리오에서 라인 트레이싱 동작을 평가하고 실패 사례를 기록합니다.
배포 대상에서 추론 시간, 메모리 요구량 및 펌웨어 통합을 확인합니다.
시뮬레이션 동작과 실제 실험을 비교하고 전이 과정의 한계를 문서화합니다.
현재 로봇 프로젝트에서 마주하는 실질적인 문제를 바탕으로 연구 방향을 확장합니다.
라인 트레이싱과 로봇 제어를 위한 접근 방법으로 모방 학습과 강화 학습을 연구합니다.
평가 및 검증 과정을 통해 시뮬레이션 조건과 실제 로봇 동작 사이의 차이를 탐구합니다.
ESP32-S3에서 학습 정책을 실행할 때의 추론, 메모리 및 펌웨어 제약을 다룹니다.
스트로베리 랩은 대한민국 서울을 기반으로 하는 초기 로보틱스 벤처입니다. 로봇 학습 연구를 실제 환경에서 시험할 수 있는 임베디드 시스템으로 연결하는 과정을 개발하고 있습니다.
시뮬레이션 기반 학습과 임베디드 펌웨어 개발을 연결하는 Sim-to-real 라인 트레이싱 로봇.
로봇 학습, 시뮬레이션 및 임베디드 제어 분야의 연구자와 개발자 여러분과 기술적인 논의를 나누고자 합니다.
현재 개발 진행 중인 프로젝트입니다. 이 웹사이트는 완성된 제품이나 검증된 실제 성능 수치가 아닌 기술적 접근 방법과 향후 검증 과제를 소개합니다.
GitHub 프로젝트 저장소에서 코드와 개발 문서를 확인할 수 있습니다. 위의 프로젝트 링크를 통해 살펴보시고, 추가 기술 문의는 이메일로 보내 주세요.
연구 분야나 프로젝트 소개, 함께 탐구하고 싶은 기술적 질문, 관련 자료 링크를 이메일로 보내 주세요.
연구 협력, 프로젝트 피드백 및 로봇 개발에 관한 논의를 환영합니다.