로봇 에이전트의 행동 선택을 단순화한 RobotUse 프레임워크

핵심 요약

• 로봇 에이전트가 의도한 행동을 실제 결과에 연결하면서 반복 시도 과정에서 필요한 맥락을 유지하는 문제를 다룬다.
• 기존 인터페이스는 선택을 미리 정의된 도구 내부에 남기거나 에이전트가 상세한 실행 코드와 그 증가하는 이력을 관리하도록 요구한다.
• RobotUse는 로봇 에이전트 프레임워크로, 계산·맥락·의사결정을 물리적 행동 지정 및 수정을 중심으로 구조화한다.
• 에이전트는 시각적으로 목표와 포즈를 선택하고, 백엔드가 기하학·동작 계획·제어를 처리한다.
• 서브에이전트는 각 부분 목표 내 상세 상호작용을 유지하고 이후 의사결정에 필요한 정보만 반환한다.
• 지속적 학습을 통해 에이전트가 실행 결과를 반영하고 영구적인 플레이북을 업데이트할 수 있다.
• RoboLab 벤치마크에서 RobotUse는 45% 작업 성공률을 달성하여 CaP-X보다 6.7 percentage points 높다.
• 컴팩트한 의사결정 맥락을 유지하면서 미리 정의된 행동 추상화에 대한 의존성을 줄인다.
• 실제 로봇 실행에서 불완전한 피드백에도 불구하고 학습하며, 학습한 내용을 이후 작업으로 전이한다.