Pixel-UMI: 센서화된 인간 시연으로부터 환경 인지 전신 조작 학습

요약

본 기사는 센서화된 인간 시연으로부터 환경 인지 전신 조작 정책을 학습하는 파이프라인 Pixel-UMI를 제시합니다. 이 시스템은 로봇 자세 결정을 위한 EAR, 오차 의존도를 줄이는 REAM, 그리고 DAgger 기반의 온-정책 수정 데이터를 활용하여 성능을 높입니다. 이를 통해 객체 조작 및 전신 협응 등 다섯 가지 어려운 작업에서 평균 87.0%의 높은 성공률을 달성했습니다.

핵심 포인트

• Pixel-UMI는 인간 시연 기반 환경 인지 전신 조작 학습 파이프라인입니다.
• EAR은 재구성된 장면 기하학을 이용해 로봇 자세와 충돌 목표를 결정합니다.
• REAM은 운동학적 오차로 인한 시점 불일치 문제를 해결하는 핵심 기술입니다.
• DAgger를 통해 온-정책 인간 수정 데이터를 수집하여 성능 향상을 도모했습니다.
• 다섯 가지 복잡한 작업에서 평균 87.0%의 높은 작업 진행률을 기록했습니다.