본 과제는 무게중심 제어형 캐리어를 통해 손목 부담을 줄이고, 다양한 노면에서 자율적으로 균형을 유지하는 캐리어를 위한 보조 장비를 구현하는 데 목적이 있다.
하드웨어의 경우, 바퀴별 접지 하중을 버튼형 로드셀로, 손잡이에 가해지는 힘을 막대형 로드셀 2개로 계측하며, 모든 신호는 HX711 앰프로 증폭·디지털화해 안정적으로 수집한다. 구동계는 Dynamixel XL430-W250-T 2개를 차동기어로 묶어 하나의 관절을 구동하고, 하부가 지면과 항상 접촉하도록 형상을 설계해 축 하중을 저감하였다.
소프트웨어의 경우, PhysX 물리 엔진 기반의 Isaacsim 시뮬레이션에서 IsaacLab과 RSL-RL PPO를 사용하여 제어기를 학습했고, 도메인 랜덤화와 외란 주입으로 강건성을 확보하였다. 관측공간은 로드셀 하중, 손잡이 힘, 자세·각속도 등 핵심 변수를 포함하고, 보상은 기울기 억제, 바퀴별 하중 균형 항 등을 포함한다. Sim2Real 단계에서는 센서·모터 신호 포맷 매핑, 지연·노이즈 보정, 제어 주파수 동기화 등을 고려하며 시뮬레이션에서 학습된 제어기를 실제 하드웨어에 이식하였다.
결과적으로 정지·출발·저속 주행에서 흔들림을 감소시키고, 경사·요철·측면 밀기에도 중심 복원을 달성하는 구조를 구현하는 데에 성공했다.
프로젝트에서 제안된 구조는 기존 캐리어 프레임에 모듈로 삽입이 가능하기 때문에, 원가 상승을 억제하며, 물류, 수레 등 다양한 방면으로 확장이 가능하다.또한, 구조·제어의 단순성 덕분에 부품 수를 최소화하면서 신뢰성을 확보했으며, 기존 제조 라인에 추가 공정을 더함으로 적용할 수 있다. 본 프로젝트는 단순 구동–고신뢰 센싱–강화학습 제어를 통합한 실증 결과와 정책 파라미터, 튜닝 지침을 제시해 상용화 기반을 마련하였다.