보지 않고 찾기
어두운 환경에서 무작위로 놓인 물체를 다루는 과제를 연구한다. 촉각은 시각 관찰이 빠졌을 때 물체를 찾고 조작하는 데 필요한 상호작용 단서를 제공한다.
사전 정보의 조건
연구는 사전 정보가 존재하는 상황에서 촉각으로 시각의 정보 부족을 보완하는 것을 목표로 한다. 카메라를 쓰지 않는다는 사실만으로 물체나 과제에 관해 아무 정보도 없다는 뜻은 아니다.
정책 학습과 전이
시뮬레이션에서 강화 학습으로 정책을 훈련하고 이를 실제 로봇 환경에 옮긴다. 실제 장면의 모든 행동을 실시간으로 처음부터 학습하는 설정과 다르다.
촉각의 기여
실험으로 시각 없는 조작에서 촉각의 중요성을 살폈다. 특정 과제와 사전 정보 아래의 결과를 모든 미지 물체를 보지 않고 자유롭게 조작하는 능력으로 확대해서는 안 된다.
관련 문서
ViTaL 로봇 조작 정책 / TLA 촉각 언어 행동 모델 / VLA-Touch / 강화 학습 / Sim-to-Real / 촉각