AI 연구연구 프리프린트
사람 작업 영상을 로봇에 옮길 때 동작 대신 작업 조건을 배운다
원문 읽기 · arxiv.org ↗(새 탭에서 열림)사람 손동작을 로봇 관절 명령으로 베끼기 어려운 문제에 대해, CBST는 영상의 작업 단계와 물체 관계를 추려 로봇 정책에 조건으로 준다.
연구 방법
- 사람 영상으로 시간 순서가 있는 작업 표현을 미리 학습하고 로봇 시연으로 작업 의미를 맞춘다. 사전에 정의한 조작 모델에서 국소 결과를 유지할 맥락만 고른 뒤 고정된 세계·행동 모델에 공급하며, 사람과 로봇의 동작 대응 표를 요구하지 않는다.
평가 결과
- 시뮬레이션 RoboTwin Easy 성공률은 LingBot-VA 92.93%에서 94.00%, RoboCasa 50시연/과제는 Predict2.5 71.1%에서 72.44%로 올랐다. 실제 AgileX 양팔의 배치 10과제 각20회에서는 대부분 과제가 5~15%포인트 개선됐지만 병은 85%로 같았다.
적용 조건
- 개선 폭은 비교적 작고 사전 정의된 조작 변수·선택 규칙에 의존한다. 실제 시험은 고정 목표의 물체 배치 10과제에 국한된다. 원문은 동일 초기 배치·리셋·방법 순서의 상세 기록이 비교 가능성에 필요하다고 명시하므로 무작위 실환경 일반화는 증명되지 않았다.
함께 확인할 조건
- 개선 폭은 비교적 작고 사전 정의된 조작 변수·선택 규칙에 의존한다. 실제 시험은 고정 목표의 물체 배치 10과제에 국한된다. 원문은 동일 초기 배치·리셋·방법 순서의 상세 기록이 비교 가능성에 필요하다고 명시하므로 무작위 실환경 일반화는 증명되지 않았다.
출처와 편집 기준
arxiv.org · 연구 프리프린트 · 검수 2026.10.19 (KST)
요약은 원문의 핵심을 정리했으며, 커머스 인사이트는 편집 해석이다.