세상 모델, 작은 행동 변화도 포착하다
Key Point
로봇 정책 개발과 모델 기반 계획 시 시뮬레이션과 실제 환경의 불일치를 줄여 보다 신뢰할 수 있는 의사결정이 가능해진다.
핵심 요약
- World models는 환경 역학을 예측하면서도 작은 행동 변화가 미래 관찰에 미치는 영향을 제대로 포착하지 못하고 있으며, 이는 로봇 정책 평가와 모델 기반 계획 같은 작업에서 문제가 된다.
- 연구진은 AFFECT라는 보조 학습 목표를 제안했으며, 이는 행동 변동으로 유도되는 시각적 변화의 분포를 학습한다.
- 방식은 작업 무관(task-agnostic) 인간 조종을 통해 학습된 정책의 행동에 시간적으로 상관관계 있는 노이즈를 주입하고, world model이 생성한 영상이 같은 초기 상태에서 반복 실행 없이 기록된 영상처럼 이 노이즈에 반응하도록 훈련한다.