접촉 풍부 조작을 위한 위험 인지 촉각 인코딩 RATE

촉각 관측이 비슷해도 과제 위험 수준이 다른 접촉 상황을 구분하도록, 과제 조건부 위험을 촉각 표현 자체에 학습시키면 접촉 풍부 조작 정책의 성능과 접촉 안전성을 높일 수 있는가?

기존 촉각 표현은 센서 노이즈, 과제 수행에 필요한 조정, 바람직하지 않은 접촉의 초기 신호를 구분하지 못한다. 이 때문에 하류 정책이 위험하지 않은 변화에 불필요하게 개입하거나 실제 위험 접촉에 늦게 반응할 수 있다.

UniVTAC, VITaL 등 시각-촉각 표현 학습과 예측 기반 시간 모델링이 접촉 외형, 기하, 다중 모드 구조를 개선했지만 학습 목표가 과제 조건부 위험을 명시적으로 정리하지 않았다. π0.5, StarVLA-α 같은 대규모 정책도 있으나 촉각 위험 표현보다 모델 규모에 의존한다.

RATE는 좌우 촉각 특징을 결합하고 인접 프레임 차이를 더한 뒤 길이 9, 스트라이드 5의 LSTM으로 최근 상호작용 맥락을 요약한다. 사전학습에서 미래 5프레임 뒤의 촉각 RGB, 깊이, 접촉 포즈 변화와 미래 경고 값을 함께 예측하도록 보조 헤드를 학습시킨다. 이후 사전학습된 촉각 인코더와 ACT 정책은 고정하고 0으로 초기화한 2층 MLP 잔차 어댑터만 학습해 기존 촉각 토큰에 위험 인지 보정을 더한다. 경고 값은 학습 중 행동 모방 손실에서 위험한 단계에 가중치를 주는 데만 쓰고 배포 시에는 필요 없다.

UniVTAC 시뮬레이션 8개 과제(과제당 시연 100개, 과제당 폐루프 평가 100회)에서 RATE는 매크로 평균 성공률 71.8%를 기록했다. 이는 같은 카메라와 시연 조건으로 재학습한 ACT+UniVTAC의 47.4%보다 24.4%포인트 높다. 접촉 풍부 상호작용 4개 과제 평균은 72.0%로 비교 방법 중 가장 높은 StarVLA-α보다 23.0%포인트 높다. 절제 실험에서는 과제별 촉각 베이스 44.0%, 연속 심각도 경고 추가 57.5%, 맥락만 추가 56.0%, 전체 RATE 71.8%였다. 실물 로봇 평가는 과제당 50개 시연, 과제당 20회 시험으로 USB 삽입 75%, 병뚜껑 조이기 85%, 플러그 삽입 60% 성공률을 보였다. 접촉 안전 성공률은 각각 93.33%, 100%, 83.33%로 보고됐다.

저자들은 접촉 크기가 상호작용 단계에 따라 크게 달라지면 국소 시간 변화를 명시적으로 모델링해도 미세하지만 과제에 중요한 촉각 변화가 덜 구분될 수 있다고 밝혔다. 향후 절대 접촉 크기를 유지하면서 상대적 변화를 보존하는 스케일 적응형 촉각 인코딩을 제안했다. 실물 실험은 과제당 20회로 적고 코드 공개 여부는 논문에 보고되지 않았다. 프리프린트로 동료 심사가 확인되지 않았다.