하이브리드 정교 모방을 통한 적응형 정교 기술 학습

요약

본 논문은 AdaDex라는 목표 조건부 강화학습 프레임워크를 제안하며, 하이브리드 정교 모방(Hybrid Dexterous Mimicking)을 통해 적응형 정교 기술 학습을 수행합니다. 이 방법은 제한된 모션 트래킹 데이터와 RGB-D 비디오에서 얻은 손-물체 궤적을 활용하여 기능적 파지, 물체 재배치 등 다양한 인간 유사 행동을 학습할 수 있습니다.

핵심 포인트

• AdaDex는 목표 조건부 RL 프레임워크를 사용합니다.
• 하이브리드 정교 모방으로 두 가지 대규모 병렬 환경에서 공유 정책을 학습시킵니다.
• 제한된 데이터로도 기능적 파지, 물체 재배치 등 다양한 적응형 기술을 학습할 수 있습니다.
• 일반화 및 전이 성능 측면에서 기존 모델보다 우수함을 입증했습니다.