This paper presents a Model Predictive Control (MPC) framework with a visuomotor system that synthesizes eye and head movements coupled with physics-based full-body motions while placing visual attention on objects of importance in the environment. As the engine of this framework, we propose a visuomotor system based on human visual perception and full-body dynamics with contacts. Relying on partial observations with uncertainty from a simulated visual sensor, an optimal control problem for this system leads to a Partially Observable Markov Decision Process (POMDP), which is difficult to deal
with. We approximate it as a deterministic belief MDP for effective control. To obtain a solution for the problem efficiently, we adopt differential dynamic programming (DDP), which is a powerful scheme to find a locally optimal control policy for nonlinear system dynamics. Guided by a reference skeletal motion without any a priori gaze information, our system produces realistic eye and head movements together with full-body motions for various tasks such as catching a thrown ball, walking on stepping stones, balancing after being pushed, and avoiding moving obstacles.
이 논문에서는 눈과 머리의 움직임을 물리기반 전신 동작과 결합하여, 주어진 환경에서 중요도에 따라 각 물체에 시각적으로 주의를 기울이는 시각 운동 시스템을 결합한 모델 예측 제어 (Model Predictive Control) 프레임워크를 제안하였다. 이 프레임워크의 핵심 엔진으로, 실제 사람의 시각적 인지와 접촉을 포함한 전신 동역학에 기반한 시각운동 시스템을 제안하였다. 시뮬레이션되는 시각 센서의 부분 관측에 의존하여, 이 시스템에 대한 최적 제어 문제는 일반적으로 매우 풀기 힘들다고 알려진 POMDP (Partially Observable Markov Decision Pocess)로 구성하였고, 이를 효과적으로 해결하기 위해 deterministic belief MDP로 근사하였다. 문제를 효율적으로 풀기 위해, 비선형 시스템 동역학에 대한 로컬 최적 제어 정책을 찾는 강력한 해결기인 미분기반 동적 프로그래밍 (Differential Dynamic Programming)을 활용하였다. 시선 정보가 없는 레퍼런스 뼈대 동작에 기반하여 본 시스템은 날라오는 공 잡기, 디딤돌 걷기, 외력이 주어졌을 때 주변의 벽에 기대면서 균형을 잡는 동작, 그리고 움직이는 장애물 피하기 같은 물리 기반 전신 동작을 자연스러운 눈과 부차적인 움직임을 생성하였다.
