요약

HiFi-UMI는 고충실도 UMI 데이터만을 활용하여 배포 가능한 로봇 조작 정책을 학습하는 새로운 방법을 제안합니다. 이를 통해 데이터 품질을 높이면서도 효율적인 로봇 조작 학습이 가능함을 보여줍니다.

핵심 포인트

• 고충실도 UMI 데이터를 활용한 조작 정책 학습
• 배포 가능한 수준의 로봇 조작 성능 확보
• 데이터 품질 중심의 로봇 학습 방법론 제시