AI 연구연구 프리프린트
LIBERO-PeRM, 로봇의 작업 성공과 사용자 선호를 분리해 측정
원문 읽기 · arxiv.org ↗(새 탭에서 열림)LIBERO-PeRM은 로봇이 물건을 옮기는 과제를 끝내는지와 사용자가 원하는 방식으로 수행하는지를 따로 평가한다.
연구 방법
- 시뮬레이션에서 동작·기술·사용자 프로필 선호를 다루는 다섯 과제군, 312개 과제를 만들었다. 선호가 있는 시연과 없는 시연을 짝지어 생성하고, 작업 성공률과 선호 충족률을 분리해 여섯 비전·언어·행동 모델을 시험했다.
평가 결과
- 제로샷 시험에서 π0.5는 선호 없는 작업 성공률 97.6%였지만, 단일 선호 과제에서 성공률 66.67%와 선호 충족률 37.92%를 기록했다. 공동 혼합 학습은 순차 학습보다 선호 없는 작업 수행을 더 잘 유지했으나, 움직임 선호 성능은 선호만 학습한 방식보다 낮았다.
적용 조건
- 미리 정의해 언어로 표현할 수 있는 선호만 LIBERO 시뮬레이션에서 평가한다. 암묵적·변화하는 선호, 충돌을 알아차려 사용자에게 되묻는 행동, 실물 로봇과 장기 사용자 연구는 검증하지 않았다.
함께 확인할 조건
- 미리 정의해 언어로 표현할 수 있는 선호만 LIBERO 시뮬레이션에서 평가한다. 암묵적·변화하는 선호, 충돌을 알아차려 사용자에게 되묻는 행동, 실물 로봇과 장기 사용자 연구는 검증하지 않았다.
출처와 편집 기준
arxiv.org · 연구 프리프린트 · 검수 2026.10.18 (KST)
요약은 원문의 핵심을 정리했으며, 커머스 인사이트는 편집 해석이다.