새로 나온 로봇, 피지컬 AI 논문과, 각 논문이 업계에 갖는 의미.
엔비디아 연구진이 사람 시연 없이 '조립 성공 또는 실패' 신호만으로 시뮬레이션 속 로봇 팔 하나가 NIST 표준 조립 보드의 20개 과제를 98.2% 성공률로 익혔다는 프리프린트를 공개했다. 아직 모든 결과가 시뮬레이션에 머물러 있어 실제 공장 설비에서도 같은 성능이 나오는지가 핵심 확인 과제로 남았다.
이 논문은 실물 로봇 온라인 강화학습에서 자율 실행과 자동 보조 행동 사이의 제어를 학습하는 UniIntervene++를 제안한다. 다섯 가지 실물 조작 과제에서 평균 성공률 89.67%를 기록해 최고 기준 모델보다 6%포인트 높았고, 인간 개입률은 0.77%로 가장 낮은 기준 모델 대비 94.6% 줄었다. 아직 동료 심사를 거치지 않은 프리프린트이며, 개입 시점과 방식을 정책의 역량 변화에 맞춰 조정한다는 점에서 중요하다.
ETH 취리히 연구팀이 희소 보상 장기 과제를 위한 강화학습 커리큘럼 BVER를 제안했다. BVER는 목표에서 시작 상태를, 초기 상태 분포에서 중간 목표를 동시에 확장해 하나의 목표 조건 정책을 학습하며, 시연이나 보상 shaping 없이 비교한 모든 참조 자유 커리큘럼보다 빠르게 학습했고 0.7m 상자 오르기를 유일하게 해결했다. 이 연구는 동료 심사를 거치지 않은 arXiv 프리프린트다.
이 논문은 아직 동료심사를 거치지 않은 프리프린트다. PROMO는 추적, 안정성, 효율이라는 의미적 목표에 대한 선호를 실행 시 입력으로 받는 단일 사족로봇 보행 정책이다. 시뮬레이션 100개 선호 평가에서 평균 선호-목표 상관 0.8434, 낙상률 7.50%를 기록했고, 같은 정책을 Unitree Go2에 제로샷 전이해 선호만으로 단위 거리당 에너지를 최대 30.4%, 위치 오차를 38.7%, 최대 자세 편차를 59.0% 줄였다.
중국 연구팀이 자체 추진 대장 내시경 로봇 BGER를 위한 모방학습 기반 자율 주행 시스템 ColoACT를 프리프린트로 공개했다. RGB 영상에 상대 깊이와 유사 고도 지도를 결합한 RGB-D-E 입력과 액션 청킹 트랜스포머 정책을 써서, 적출 돼지 대장 실험에서 직선 구간 85.4%, 곡선 구간 72.5%의 주행 성공률을 기록했다. 90도 회전 70%, 이중 굴곡 60%의 성공률을 보였고 삼중 굴곡에서도 30% 통과 가능성을 확인했다.
논문은 arXiv 로봇 피드에서 가져옵니다. 요약이 아직 작성되지 않은 논문은 초록의 첫 부분을 보여줍니다.