한 로봇의 여러 환경
자료는 공개적으로 구할 수 있는 저비용 로봇에서 수집됐다. 같은 장비를 사용하면서도 작업과 환경의 변화를 포함해 장소가 달라질 때의 학습을 다룬다.
목표를 지정하는 방식
학습 방법은 목표 이미지 또는 자연어 지시를 조건으로 사용할 수 있다. 이는 데이터셋의 활용 범위이며 모든 기록이 동일한 형태의 조건을 요구한다는 뜻은 아니다.
규모와 기술 다양성
연구는 자료량과 모델 용량을 늘렸을 때의 변화와 더 다양한 기술을 학습했을 때의 일반화를 분석했다. 단순 궤적 수와 수행 기술의 폭을 구별해서 보는 데 의미가 있다.
평가와 공개
여섯 학습 방법을 일반화 요구가 다른 과제들에서 비교하고 자료 및 사전 학습 모델을 공개했다. 성공 결과를 해석할 때에는 새 환경과 새 작업 중 무엇을 바꿨는지 함께 확인해야 한다.
관련 문서
Open X-Embodiment / DROID 로봇 데이터셋 / 오프라인 강화 학습 / 모방 학습 / 전이 학습 / robomimic