분해하고 재구성하기: 시연으로 학습한 프리미티브와 시각-운동 정책을 활용한 계획
Decompose and Reorganize: Planning with Primitives and Visuomotor Policies Learned from Demonstrations
TL;DR AI
1분핵심 요약
연구진은 사람 시연에서 재사용 가능한 원자적 스킬을 학습하는 로봇 프레임워크 DR-LfD를 제안했다.
이 프레임워크는 스킬을 비전-모터 정책 또는 객체 중심 프리미티브로 표현하고, 이를 작업·모션 계획과 결합한다.
다단계의 정교한 조작 작업을 위해 설계됐으며, 필요한 시연 데이터도 줄여준다.
시뮬레이션과 실제 환경 실험에서 보지 못한 설정과 제약 조건이 있는 과제에서도 좋은 성능을 보였다.