AI 연구연구 프리프린트
로봇 시연 데이터를 병렬 계획으로 생성, 실제 장비에서 시간당 66개
원문 읽기 · arxiv.org ↗(새 탭에서 열림)DemoStream은 로봇 작업·동작 계획의 후보를 GPU에서 병렬 탐색해, 행동 모방에 더 배우기 쉬운 시연을 자동 수집한다.
연구 방법
- 가능한 동작을 여럿 찾는 데 그치지 않고 경로 비용으로 동작의 일관성을 높여 정책 학습용 시연을 고른다. 시뮬레이션에서 관절·작업 공간 비용과 배치 크기를 바꿔 하위 정책 성공률에 미치는 영향을 살폈다.
평가 결과
- 실제 Franka Panda 실험에서 평균 시간당 66개 시연을 수집했다. 실제 3개 작업의 정책 성공률은 두 블록 쌓기 65%, 바나나 통 넣기 75%, 사과·라임 작업 60%였다. 시뮬레이션의 두 팔 작업은 시연 성공률 54%에 정책 성공률이 12~50%로 남았다.
적용 조건
- 실제 작업은 3종이고 시연 성공·정책 성공이 작업별로 크게 다르다. 안전 계획의 보장은 인식 오차·새 물체·실세계 실행 실패까지 포괄하지 않는다. 대규모 일반 로봇 능력으로 확대 해석할 수 없다.
함께 확인할 조건
- 실제 작업은 3종이고 시연 성공·정책 성공이 작업별로 크게 다르다. 안전 계획의 보장은 인식 오차·새 물체·실세계 실행 실패까지 포괄하지 않는다. 대규모 일반 로봇 능력으로 확대 해석할 수 없다.
출처와 편집 기준
arxiv.org · 연구 프리프린트 · 검수 2026.10.18 (KST)
요약은 원문의 핵심을 정리했으며, 커머스 인사이트는 편집 해석이다.