로봇이 실패를 스스로 극복하게 해주는 '수첩' 기법

핵심 요약

• 로보틱스의 핵심 과제는 다양한 작업과 환경에서 조작 능력을 발휘하는 것인데, 비전-언어-행동(VLA) 모델은 실행 중 실패를 진단하고 행동을 적응시켜야 할 때 어려움을 겪는다.
• 연구팀은 강한 에이전트가 약한 에이전트를 위해 경험을 '플레이북'으로 정제하고, 약한 에이전트의 실행 피드백으로 이를 반복 개선하는 '재귀적 하네스 증류(Recursive Harness Distillation)' 기법을 제안했다.
• 이 플레이북은 모델 파라미터를 업데이트하지 않고도 새로운 작업에서 누적된 개입 지식을 재사용하게 해준다.
• 실제 로봇 조작 실험에서 성공률이 37.3%에서 64.0%로 향상되었으며, SimplerEnv Bridge에서 플레이북을 활용한 약한 에이전트는 66.7% 성공률을 달성했다.
• 이는 GR00T 베이스라인의 41.7%보다 높으며, 플레이북 없는 강한 에이전트도 능가했다.
• 강한 에이전트는 플레이북의 도움으로 79.2% 성공률에 도달했으며, 개입 경험이 실행을 통해 정제되어 여러 에이전트에서 재사용 가능함을 보여준다.