Ambient Diffusion Policy: 로보틱스에서의 하위 최적 데이터(Suboptimal Data)를 활용한 모방 학습

요약

로보틱스 모방 학습 시 품질이 낮은 하위 최적 데이터를 효과적으로 활용하는 Ambient Diffusion Policy를 제안합니다. 확산 모델의 노이즈 의존적 데이터 사용 방식을 통해 유용한 특징만을 추출하며, 대규모 데이터셋에서 기존 방식보다 뛰어난 성능을 입증했습니다.

핵심 포인트

• 하위 최적 데이터에서 유용한 특징만 추출하는 새로운 학습 방식 제안
• 확산 시간(diffusion times)에 따른 데이터 기여도 조절 메커니즘 도입
• 로봇 행동 데이터의 스펙트럼 멱법칙을 통한 이론적 정당화
• Open X-Embodiment 데이터셋에서 기존 대비 최대 33% 성능 향상