한 동작씩 예측할 때의 문제
정밀 조작에서는 작은 정책 오차가 연속 실행 중 쌓일 수 있다. 사람의 시연 역시 수행 도중 행동 특성이 달라질 수 있어 단일 시점의 입력과 출력을 맞추는 것만으로는 충분하지 않다.
행동 묶음의 학습
ACT는 행동 시퀀스에 대한 생성 모델을 학습한다. 개별 명령뿐 아니라 시간적으로 이어지는 움직임을 묶어서 다루는 것이 핵심이다.
실제 양팔 조작
연구는 별도로 만든 원격 조작 인터페이스에서 시연을 수집했다. 배터리를 끼우거나 작은 용기를 여는 동작처럼 접촉과 시각 피드백이 중요한 실제 과제 여섯 개를 평가했다.
성공률의 해석
논문은 약 십 분 분량의 시연으로 평가 과제에서 80~90%의 성공을 보고했다. 이는 특정 하드웨어와 과제 구성의 결과이므로 새로운 정밀 조작의 성공률로 그대로 대입할 수 없다.
관련 문서
모방 학습 / 트랜스포머 / Diffusion Policy / robomimic / RoboTwin / 로봇 조작