Hwangbo et al.의 Learning agile and dynamic motor skills for legged robots를 통해 ANYmal 실기체 transfer에서 actuator net과 hybrid simulator의 역할을 정리한다.

Tan et al.의 Sim-to-Real: Learning Agile Locomotion For Quadruped Robots를 통해 quadruped Sim2Real의 actuator model, latency, system identification, randomization을 정리한다.

Peng et al.의 Sim-to-Real Transfer of Robotic Control with Dynamics Randomization을 통해 물리 파라미터 randomization의 기본 아이디어를 정리한다.

Tobin et al.의 Domain Randomization 논문을 통해 real world를 simulation variation 중 하나로 보이게 만드는 Sim2Real 아이디어를 정리한다.

Jakobi et al.의 Noise and The Reality Gap을 통해 Sim2Real에서 reality gap이 왜 생기고, simulation noise가 어떤 역할을 하는지 정리한다.

Unitree Go2 종합설계를 마무리하며 thermal reward, torque/load 관점, 실제 로봇 실험에서 느낀 문제 정의의 중요성, 그리고 다음 연구 방향을 정리한다.

Unitree Go2 thermal-only reward가 왜 기대와 다르게 동작했는지 ablation으로 분석하고, torque와 positive power를 reward에 직접 묶어야 했던 이유를 정리한다.

Unitree Go2 lowstate 로그에서 reported actuator temperature를 보고, 온도 자체가 아니라 load 기반 temperature-rate proxy를 thermal-aware reinforcement learning reward로 연결한 과정을 정리한다.

Unitree Go2 논문 실험을 위해 baseline 보행 policy의 reported actuator temperature, 전류, torque, joint state 데이터를 수집하고 thermal-aware regulator 비교 기준을 정리한다.

Unitree Go2에 강화학습 policy를 실제 deploy하여 보행에 성공한 과정과 Domain Randomization, deploy 정합성을 정리한다.