요약

본 기술 기사는 로봇 배포를 연속적인 학습 루프로 전환하는 새로운 프레임워크에 대해 다룹니다. 이 프레임워크는 실제 세계 경험을 활용하여 로봇 정책을 개선하고, 차원술(dexterity)과 같은 복잡한 능력을 개발합니다. 특히 16개의 듀얼 암 로봇을 사용하여 장기 임무에서 높은 성공률(95%)을 달성하는 것이 주요 성과입니다.

핵심 포인트

• 로봇 배포를 연속적인 학습 루프(Continuous Learning Loop)로 전환하여 실시간 개선이 가능합니다.
• 실제 세계 경험을 통해 로봇 정책을 지속적으로 개선하고 복잡한 능력을 개발할 수 있습니다.
• 16개의 듀얼 암 로봇 시스템을 활용하여 장기 임무에서 높은 성공률(95%)을 입증했습니다.
• 강화학습(Reinforcement Learning) 기법이 실제 환경에 적용되어 실용적인 성능을 보여줍니다.