환경의 다양성
로봇을 여러 장소로 옮겨 자료를 모으려면 장비와 인력뿐 아니라 운용상의 제약도 해결해야 한다. DROID는 북미와 아시아 및 유럽에서 조작 시연을 분산 수집했다.
장면과 과제
장면의 수는 촬영 배경의 폭을, 과제의 수는 수행하는 작업의 폭을 나타낸다. 두 수치를 구별하면 많은 시연이 비슷한 조건에 반복 집중됐는지 판단하는 데 도움이 된다.
학습과 공개 범위
연구진은 전체 자료와 정책 학습 코드, 로봇 하드웨어 구성을 재현하는 안내를 공개했다. 데이터셋만 제공하는 것보다 수집과 학습 조건을 함께 이해하기 쉬운 구성이다.
일반화의 평가
논문은 DROID로 학습한 정책의 성능과 일반화 개선을 보고했다. 다만 수집 장소가 다양하다는 사실과 모든 새로운 환경에서 성공한다는 주장은 다르며, 평가에 사용한 과제를 확인해야 한다.
관련 문서
robomimic / FurnitureBench / RoboCasa / 모방 학습 / 로봇 조작 / UMI 로봇 시연 인터페이스