AI 연구연구 프리프린트
CoDA, 로봇 실패 사례를 다시 만드는 훈련 환경 생성
원문 읽기 · arxiv.org ↗(새 탭에서 열림)CoDA는 로봇 정책이 실패한 상황을 진단하고, 그 약점을 겨냥하는 시뮬레이션 환경과 학습 신호를 함께 갱신한다.
연구 방법
- 장면 구성·정책 실패·학습 진전을 공유 메모리에 축적한다. 진단을 환경 생성 프로그램과 단계별 학습 신호로 바꿔, 로봇 행동 정책이 어려워하는 상황을 다시 훈련하고 결과에 따라 다음 환경을 만든다.
평가 결과
- 시뮬레이션 조작 네 과제군에서 분포 밖 평균 성공률은 초기 지도 미세조정 5.3%에서 CoDA 27.6%로 올랐다. 같은 생성 예산의 가장 강한 폐루프 비교법 18.1%보다 9.5%포인트 높았다. LIBERO-Pro의 위치·지시 변경 과제에서도 15회 반복 뒤 84%·76%를 기록했다.
적용 조건
- 평가는 시뮬레이션 조작에 집중했고 실제 로봇 전이는 입증하지 않았다. 기반 모델의 장면·물리 해석 오류가 생성 환경과 학습 신호에 영향을 줄 수 있으며, 추가 시뮬레이션·모델 추론 비용이 든다.
함께 확인할 조건
- 평가는 시뮬레이션 조작에 집중했고 실제 로봇 전이는 입증하지 않았다. 기반 모델의 장면·물리 해석 오류가 생성 환경과 학습 신호에 영향을 줄 수 있으며, 추가 시뮬레이션·모델 추론 비용이 든다.
출처와 편집 기준
arxiv.org · 연구 프리프린트 · 검수 2026.10.18 (KST)
요약은 원문의 핵심을 정리했으며, 커머스 인사이트는 편집 해석이다.