로봇마다 따로 배우는 문제
로봇이나 환경이 바뀔 때마다 별도 모델을 학습하면 경험을 공유하기 어렵다. 이 연구는 여러 플랫폼의 자료를 모아 새로운 로봇과 과제에 적응할 기반을 만드는 문제를 다룬다.
표준 자료 형식
여러 기관에서 수집한 기록은 관측과 행동의 표현이 다를 수 있다. 공통 형식으로 제공하는 자료와 모델은 이런 경험을 함께 학습하는 실험을 가능하게 한다.
RT-X의 역할
RT-X는 모인 자료로 학습한 고용량 모델이다. 논문은 다른 플랫폼의 경험이 여러 로봇의 능력을 개선하는 긍정적 전이의 사례를 보고했다.
통합과 무조건 호환의 차이
자료를 함께 학습한다고 모든 로봇이 같은 명령을 쓰게 되는 것은 아니다. 새로운 플랫폼에서 사용할 때에는 관측과 행동의 연결 및 적응 조건을 확인해야 하며, 한 평가의 전이를 모든 구성으로 확대할 수 없다.
관련 문서
DROID 로봇 데이터셋 / BridgeData V2 / 모방 학습 / 전이 학습 / robomimic / 로봇 조작