ForceHarness 공개: 로봇 접촉 제어를 모델 밖에서 처리하는 방법
ForceHarness는 빠른 접촉 제어를 도구에 맡기고 모델에 물리량을 돌려준다. 실물 로봇 60회 중 54회 성공한 자체 시험과 평가 시드·호출 지연의 조건을 살펴본다.

싱가포르국립대 Show Lab 연구진이 11월 16일 ForceHarness 논문을 공개했다. 모델을 추가 학습하지 않고 접촉 힘을 이용해 로봇을 제어하는 실행 틀이다. 연구진에 따르면 실제 로봇에서 GPT-6 Astra의 성공 횟수는 60회 중 2회에서 54회로 늘었다. 비율로는 3.3%에서 90.0%다. 이 수치는 연구진의 자체 실험 결과이며 독립 재현은 확인하지 못했다. 논문과 제출 이력
빠른 접촉 제어와 모델 판단을 분리한다
USB 플러그를 끼우거나 나사를 돌릴 때는 영상만으로 알기 어려운 저항이 생긴다. 원격 모델이 매 순간 다음 동작을 판단하면 API 응답을 기다리는 동안 접촉 상태가 바뀔 수 있다.
ForceHarness에서 모델은 도구를 호출한다. 각 도구는 힘을 조절하다가 접촉이나 저항 변화 같은 사건을 만나면 스스로 멈춘다. 물리량 변환층은 힘 기록을 질량, 마찰, 강성 같은 값과 불확실성으로 바꿔 도구 결과로 돌려준다. 모델은 이 결과를 읽고 다음 도구를 고른다. 연구진의 구조 설명
모델은 시연 데이터나 미세조정 없이 작동한다. 다만 실행 틀의 도구와 물리량 추정기는 사람이 설계했다. 각 과제에도 사람이 쓴 지시가 들어간다. 모델을 추가 학습하지 않았다는 설명을 사람의 설계가 필요 없다는 뜻으로 읽으면 안 된다. 논문의 한계
실물 시험과 시뮬레이션의 조건
실물 시험에는 손목 힘 센서가 없는 Franka FR3를 썼다. 시스템은 관절 토크로 손에 걸리는 힘을 추정했다. 연구진은 USB 삽입, 나사 조이기 등을 포함한 6개 과제를 조건별로 10회씩 시험했다. 비교군은 같은 실행 틀과 안전 한도를 유지하면서 힘 도구와 힘 정보를 뺐다. 실험자는 비상 정지 장치 앞에서 대기했고 최종 상태로 성공 여부를 판정했다. 실물 실험 표 3과 절차
ForceBench 수치는 평가에 쓴 시드를 함께 봐야 한다. 논문은 개발 과정에 사용한 시드에서 70.0%에서 87.5%로 오른 결과를 보고했다. 공식 저장소는 별도로 보류한 시드 320–329에서 62.5%에서 82.5%로 오른 결과를 제시한다. 두 평가의 증가 폭은 각각 17.5%p와 20.0%p다. 분할이 다른 점수를 한 결과처럼 섞으면 안 된다. 저장소의 평가 조건
개발자가 재사용할 때 확인할 범위
공식 저장소는 MIT 라이선스이며 제3자 코드와 자산에는 각자의 라이선스가 남는다. Python 3.10 이상을 요구하고 HiddenPhys 시뮬레이션과 실물 로봇용 의존성을 나눠 제공한다. 자기 로봇에 연결하려면 순응 제어가 가능한 자세 목표 인터페이스, 손의 힘 추정값, 안전 정지 수단이 필요하다. 설치·연결 조건과 라이선스
원격 모델 호출은 도구 동작 사이에 수초의 지연을 더한다. 논문은 빠르게 움직이는 상황에서 즉각 다시 계획하는 데 이 방식이 맞지 않는다고 설명한다. 실물 검증도 평행 그리퍼를 단 로봇 팔 하나의 탁자 위 작업에 집중했다. 개발자가 참고할 설계는 빠른 제어를 도구에 맡기고 모델에는 해석 가능한 측정값을 주는 분담이다. 다른 로봇과 작업의 성공률은 별도 검증이 필요하다. 한계와 재현 조건



Discussion
No comments yet