사람 참조를 로봇 행동으로
물체별 잔차 강화 학습 전문가가 주석된 사람 물체 상호작용 참조를 로봇 팔과 손에 맞춘다. 성공한 실행에서 최종 행동 목표와 로봇 손끝 접촉 관찰을 함께 모은다.
하나의 통합 정책
여러 전문가가 생성한 궤적으로 ACT 기반 범용 정책을 학습한다. 점군과 고유감각에 네 이진 접촉 신호를 손끝 라벨 및 별도 토큰으로 넣는다.
배포 시 필요한 정보
실행할 때 사람 참조나 특권적인 물체 정체성 및 자세 정보가 필요 없는 구성을 제시했다. 학습 과정에서 쓰는 정보와 배포 입력을 구분하는 것이 중요하다.
실제 비교
실제 로봇 시연이나 정책 미세 조정 없이 물리적 시험을 평가하고 점군만 쓰는 기준선과 비교했다. 이진 접촉 추가의 효과를 연속 힘 측정 전체의 효과로 해석해서는 안 된다.
관련 문서
Dex-X / MimicTouch / TACROSS / 모방 학습 / 강화 학습 / Sim-to-Real