가상 점수만으로 알기 어려운 것
시뮬레이션에서 잘 작동한 정책도 실제 관측과 제어에서는 달라질 수 있다. RoboTHOR는 이런 차이를 같은 공간에 대응하는 환경들에서 비교하려는 접근이다.
정렬과 반복 가능성
상호작용의 특성과 실제 및 가상 세계의 정렬, 물리 조건의 재현 및 비용이 플랫폼 구축의 주요 과제다. 대응 환경은 이 조건을 체계적으로 살필 기반이다.
실제 환경의 시험
연구는 여러 지역의 연구자가 물리 세계에서 모델을 원격 시험하는 플랫폼을 제시했다. 논문에 제시한 기능과 지금 특정 시험 서비스의 이용 가능성은 별도로 확인해야 한다.
초기 전이 결과
첫 벤치마크는 가상 환경에서 학습한 모델을 가상 장면과 실제 대응 공간에 시험했다. 세심하게 공간을 맞춰도 성능 차이가 남았으며, 가상 성공을 실제 성공과 동일시하기 어렵다는 점을 보여 줬다.
관련 문서
AI2-THOR / ProcTHOR / Gibson Env / Habitat / 전이 학습 / 도메인 적응