RoboChemGym, 화학 실험 프로토콜을 따르는 장기 조작 생성 시뮬레이션 프레임워크

화학 실험 프로토콜을 충실히 따르는 장기 호라이즌 조작 데이터를 자동으로 생성하고, 그 데이터가 로봇 정책의 시뮬레이션 및 실물 성능을 높이는지 평가하는 것.

습식 실험은 노동집약적이고 비용과 안전 위험이 크며, 실험실 로봇 학습에 필요한 실물 시연 데이터 수집이 어렵다. 기존 생성 시뮬레이션은 일상 조작의 짧은 작업과 느슨한 상호작용에 초점을 맞춰 화학 실험의 엄격한 프로토콜, 단계 간 의존성, 다중 객체 미세 조작 요구를 충족하지 못한다.

GenSim, RoboGen 등 기존 생성형 시뮬레이션은 대규모 언어 모델의 코드 생성으로 작업 설명, 배치, 제어를 자동화했지만 주로 단기 일상 작업에 맞춰졌다. 실험실 전용 환경인 Li et al. 2025와 Lan et al. 2025는 분리된 조작 구간을 다루고 프로토콜 전체 워크플로와 정렬되지 않았으며 수동 설정에 의존했다.

RoboChemGym은 자연어 화학 프로토콜을 Claude 3 Opus로 분석해 초기 장면과 행동 시퀀스를 만들고, Pick, Place, Pour, Press, Open, Close, Shake, Stir의 8가지 원자 행동 라이브러리로 실행 프로그램을 구성한다. 실행 오류 모니터링이 단계별 실패를 진단하면 내부 행동 루프가 파라미터를 수정하고, 반복 실패 시 외부 장면 루프가 배치를 조정한다. 행동 메모리와 장면 메모리가 과거 수정 사례를 저장해 자기 개선을 유도한다. 이후 위치, 배경 방해물, 작업대 재질, 조명을 무작위화하는 실험실 중심 데이터 확장을 적용한다. 3개, 7개, 11개 원자 행동으로 구성된 20개 작업의 계층적 벤치마크를 함께 제시한다.

생성 파이프라인은 클린 설정에서 레벨 1~3 성공률 89.2%, 73.4%, 52.3%를 기록했고, 무작위 설정에서는 85.6%, 70.3%, 47.5%로 평균 3.83%포인트 하락에 그쳤다. 행동 메모리를 제거하면 클린 설정 레벨 3 성공률이 52.3%에서 27.4%로, 장면 메모리 제거 시 32.3%로 떨어졌다. 생성 궤적의 실물 로봇 재생에서 리셋 없이 전체 시퀀스 성공률은 레벨 1~3에서 85.7%, 69.2%, 54.6%, 리셋 삽입 시 87.3%, 79.7%, 70.5%였다. 작업당 200개 전문가 궤적으로 훈련한 정책 평가에서 π0+random은 레벨 2 전체 성공률 28.4%, 레벨 3 1.7%를 보였고, ACT와 Diffusion Policy는 레벨 3에서 거의 0%였다. 무작위 데이터 확장은 π0의 레벨 1 전체 성공률을 55.4%에서 68.5%로, 레벨 2를 18.2%에서 28.4%로 높였다. π0 백본의 실물 평가 3개 레벨 1 작업에서 실제 시연 10개와 합성 궤적 1000개를 결합한 학습이 실제 시연만 쓴 경우보다 평균 23.3%포인트 높은 성공률을 기록했다.

저자는 실물 검증이 궤적 재생에 머물러 자율 실행까지 확장하지 못했고, 지원 로봇이 Franka Panda 하나뿐이라고 밝혔다. 드러나는 한계로는 초장기 11단계 작업의 정책 전체 성공률이 π0 기준 1.7% 이하로 매우 낮고, 생성 성공률도 레벨 3에서 50% 안팎에 그친다. 코드 공개 여부는 논문에 보고되지 않았다.