로봇 학습에서 세계 모델과 행동 예측이 서로 강화할 수 있을까
원제 Can World and Action Modeling Benefit Each Other under Unified Causal Training?
추천 40댓글 3
Key Point
로봇의 행동 학습과 환경 이해 모델을 같은 구조에서 동시에 훈련할 때 둘이 서로 강화하는 효과가 있는지를 첫 체계적으로 검증한 결과로, 로봇 학습의 효율성을 높일 새로운 방법론을 제시한다.
핵심 요약
- 세계 모델링(영상의 미래 예측)과 행동 모델링(정책 학습)의 상호작용을 조사하는 OneWM 프레임워크를 제안한다.
- 통합된 인과 학습 구조 하에서 행동을 세계 예측의 조건과 정책 학습의 목표로 동시에 취급한다.
- 지정된 행동이 주어졌을 때 그 시각적 결과를 예측하는 학습이 정책 성능과 일반화를 개선하는지 검증했다.
- 역으로 행동 학습이 같은 아키텍처 내에서 다중 시점 세계 예측의 정확도를 높이는지 확인했다.
- LIBERO, LIBERO-Plus, RoboCasa365 같은 구현 환경과 실제 로봇 실험으로 검증했다.
- 지정된 행동의 시각적 결과 학습이 정책 성능과 장면 변화에 대한 일반화를 모두 향상시킨다.
- 행동 학습은 같은 신경망 구조 내에서 다양한 각도의 세계 예측 충실도를 개선한다.
- 결론적으로 통합 인과 학습 하에서 세계 모델링과 행동 생성이 상호 이득을 주는 관계임을 보였다.