AI 연구연구 프리프린트
T2-z, 시험 중 관찰로 로봇 환경 모델의 숨은 변수를 맞춘다
원문 읽기 · arxiv.org ↗(새 탭에서 열림)T2-z는 마찰·질량처럼 직접 보이지 않는 환경 차이를 작은 잠재 변수로 표현하고, 새 환경의 짧은 상호작용으로 그 변수를 조정한다.
연구 방법
- 학습 때 세계모델과 환경 잠재 변수를 번갈아 최적화한다. 시험 때는 세계모델을 고정한 채 새 환경에서 얻은 한두 개의 상호작용을 사용해 잠재 변수만 최적화한다. 시뮬레이션 7설정과 실제 로봇 4과제를 평가했다.
평가 결과
- 실제 로봇 4과제의 평균 작업 성공률은 기본 세계모델 26.47%에서 T2-z 70.80%로 올랐다. 추적 대상의 평균 위치 오차는 19.30픽셀에서 10.85픽셀로 줄었다. 다만 일부 개별 영상 품질 지표에서는 모든 비교법을 앞서지는 않았다.
적용 조건
- 실물 평가는 문 닫기·공 밀기·막대 균형·부드러운 물체 당기기 네 과제에 한정된다. 시험 중 실제 상호작용 데이터와 잠재 변수 최적화가 필요하며, 임의의 새로운 물리 환경이나 장기간 자율 운용까지 검증한 결과는 아니다.
함께 확인할 조건
- 실물 평가는 문 닫기·공 밀기·막대 균형·부드러운 물체 당기기 네 과제에 한정된다. 시험 중 실제 상호작용 데이터와 잠재 변수 최적화가 필요하며, 임의의 새로운 물리 환경이나 장기간 자율 운용까지 검증한 결과는 아니다.
출처와 편집 기준
arxiv.org · 연구 프리프린트 · 검수 2026.10.18 (KST)
요약은 원문의 핵심을 정리했으며, 커머스 인사이트는 편집 해석이다.