본문으로 건너뛰기
arXiv논문2026. 11. 16. 17:15
시뮬레이션 환경에서의 추론 모델 훈련을 통한 실제 로봇 네이티브 사용 대표 이미지

시뮬레이션 환경에서의 추론 모델 훈련을 통한 실제 로봇 네이티브 사용

원문 발행 2026. 11. 14. 03:59원문 언어 영어AI 한국어 번역arXiv cs.LG (Machine Learning) 원문 보기

요약

본 기사는 오픈 웨이트 기반의 추론 모델을 강화학습(RL)과 시뮬레이션을 통해 실제 로봇에 네이티브하게 사용하는 방법을 제시합니다. 개발된 PEAR 엔진은 대규모 로봇 활용 RL 훈련을 가능하게 하며, 시뮬레이션에서 습득한 기술이 미지의 환경이나 새로운 지침에도 높은 일반화 성능을 보임을 입증했습니다.

핵심 포인트

  • 오픈 웨이트 모델도 RRL을 통해 실제 로봇 네이티브 사용 능력을 갖출 수 있습니다.
  • PEAR 엔진은 시뮬레이션 기반의 대규모 로봇 활용 RL 훈련을 가능하게 합니다.
  • 시뮬레이션에서 학습한 기술은 미지의 환경과 새로운 지침에 높은 일반화 성능을 보입니다.
  • LIBERO 테스트에서 성공률이 크게 높아져 최첨단 독점 모델에 근접했습니다.
  • 기존 비전-언어-액션 모델 대비 작업 변화에 대한 강건성(robustness)이 높습니다.

AI 자동 생성 콘텐츠

본 콘텐츠는 arXiv cs.LG (Machine Learning)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.

원문 바로가기
0

댓글

0