MoSA: 연속체 역학의 실환경-시뮬레이션 격차를 줄이기 위한 모션 제약 스트레스 적응과 잔여 이방성 학습

연구진은 등방성 기반 모델 위에 잔차 응력 연산자를 학습하는 MoSA 프레임워크를 제안했다.

이 방법은 변형 미분에 대한 모션 기반 감독을 활용해 연속체 역학의 미세한 이방성과 비균질성을 포착한다.

MoSA는 예측과 일반화 성능에서 기존 방법보다 우수하며, 실제-시뮬레이션 간 격차를 줄인다.

또한 로봇 조작 과제에서 sim-to-real 전이 성능을 높여, 재료의 작은 불규칙성에도 더 강건한 보정을 가능하게 한다.