AI 연구연구 프리프린트
산업 제약 넣자 로봇 정책 5종 모두 완전 성공 0%…LIBERO-Industry
원문 읽기 · arxiv.org ↗(새 탭에서 열림)공장 조작은 물체를 집는 것에서 끝나지 않는다. 컨베이어의 이동과 작업 시간, 대상 슬롯의 위치·방향 허용 범위를 모두 맞춰야 한다. LIBERO-Industry는 이런 제약을 LIBERO 기반 로봇 과제에 넣어 보편 로봇 정책의 이전 성능을 측정했다.
연구 방법
- 정지 위치에서 이동 위치로 싣기, 이동 위치에서 정지 위치로 내리기, 두 이동 위치 사이 옮기기의 세 작업군에서 물체 형태·벨트 속도·시간창·허용 기하 영역을 바꾼 216과제를 구성했다. 기존 LIBERO에 맞춰 미세조정된 공개 정책 다섯 가지를 새 벤치마크 보류 36과제·정책당 360회 시도에서 평가하고 완전 성공과 대상물 부분 옮김을 따로 셌다.
평가 결과
- 다섯 정책 모두 완전 과제 성공은 0/360이었다. 가장 높은 대상물 옮김 비율도 π0.5의 전체 0.4%였고, 슬롯 점유율 약 12%는 상당 부분 처음부터 제자리에 있던 물체에서 비롯됐다. 별도 실물 컨베이어→트레이 조건에서는 산업 과제 시뮬레이션을 섞어 훈련한 정책의 대상물 완료가 속도 0.05m/s에서 17/72로, 기존 LIBERO 시뮬레이션 사용 조건의 3/72보다 높았다.
적용 조건
- 기존 LIBERO 학습 체크포인트의 새 과제로의 이전 평가이므로 미세조정 전 모든 로봇 모델이 산업 작업을 못 한다는 결론은 아니다. 진단 단계는 제약을 누적해 원인 하나를 분리하지 못한다. 실물 비교는 한 작업대·작은 물체 조합과 두 속도에 제한되고 시뮬레이션 자료의 구성·양도 달라 넓은 공장 배치를 입증하지 않는다.
함께 확인할 조건
- 기존 LIBERO 학습 체크포인트의 새 과제로의 이전 평가이므로 미세조정 전 모든 로봇 모델이 산업 작업을 못 한다는 결론은 아니다. 진단 단계는 제약을 누적해 원인 하나를 분리하지 못한다. 실물 비교는 한 작업대·작은 물체 조합과 두 속도에 제한되고 시뮬레이션 자료의 구성·양도 달라 넓은 공장 배치를 입증하지 않는다.
출처와 편집 기준
arxiv.org · 연구 프리프린트 · 검수 2026.10.19 (KST)
요약은 원문의 핵심을 정리했으며, 커머스 인사이트는 편집 해석이다.