로프나 케이블과 같은 변형 가능한 선형 객체(Deformable Linear Objects, DLOs)는 가정 및 산업 분야 모두에서 널리 접하게 되지만, 무한 차원의 구성 공간(configuration space)과 빈번한 자기 폐쇄(self-occlusion) 문제로 인해 조작하기가 여전히 어렵습니다. 원격 조작(teleoperation)을 통한 모방 학습(Imitation learning)은 양팔 로봇의 DLO 조작을 위한 실질적인 경로를 제공하지만, 그 확장성은 인간의 노력에 의해 제한되므로 작은 데이터셋으로부터 일반화(generalization)를 달성하기 위해서는 관측 공간(observation space)의 선택이 매우 중요합니다.

본 연구에서는 매듭 풀기(knot-untangling) 작업에 대한 1인칭 시점(egocentric) 시각 정책(visual policies)의 일반화 부족이 정책 아키텍처(policy architecture)나 데이터 규모가 아닌 관측 공간 자체에서 기인하는지 조사합니다. 우리는 동일한 양팔 원격 조작 데이터로 학습된 두 가지 Action Chunking with Transformers (ACT) 정책을 비교합니다. 하나는 손목 장착 카메라의 두 가지 1인칭 RGB 스트림을 조건으로 하는 시각 기반 정책(vision-based policy)이며, 다른 하나는 다중 뷰 융합(multi-view fusion)을 통해 초기 관측값에서 추출되고 입자 기반의 eXtended Position-Based Dynamics (XPBD) 시뮬레이션에서 진화하는 DLO의 3D 입자 상태(3D particle state)를 조건으로 하는 상태 기반 정책(state-based policy)입니다.

학습에 사용되지 않은 새로운 로프 구성에 대해 오픈 루프(open-loop) 방식으로 평가한 결과, 상태 기반 정책은 초기 잡기 및 당기기(grasp-and-pull) 동작을 예측할 때 L1 오차를 30.8% 감소시키며 시각 기반 정책보다 우수한 성능을 보였습니다. 이는 픽셀(pixels)과 물리적으로 일관된 상태(physics-consistent state) 사이의 관측 가능성 격차(observability gap)를 정량화하며, 제한된 인간 시연으로부터 DLO 조작 작업을 위한 보다 데이터 효율적인 로봇 학습 방향을 제시합니다.