PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2604.15281v2cs.CV

R3D: 3D 정책 학습의 재검토

R3D: Revisiting 3D Policy Learning

3D 정책 학습(3D policy learning)은 뛰어난 일반화와 다양한 형태 간 전이(cross-embodiment transfer) 가능성을 보여주지만, 학습(training) 불안정성과 심각한 과적합(overfitting)으로 인해 진척이 저해되어 강력한 3D 인지 모델 도입이 가로막혀 왔습니다. 본 연구에서는 이러한 실패 원인을 체계적으로 진단하여, 3D 데이터 증강(data augmentation)의 부재와 배치 정규화(Batch Normalization)의 부정적 영향을 주된 원인으로 규명합니다. 이에 따라 대규모 환경에서의 안정성을 위해 특별히 설계되고 대규모 사전학습(pre-training)을 활용하도록 고안된, 확장 가능한 트랜스포머(transformer) 기반 3D 인코더와 디퓨전 디코더를 결합한 새로운 아키텍처를 제안합니다. 제안하는 접근법은 까다로운 조작 벤치마크에서 최첨단 3D 베이스라인들을 크게 능가하며, 확장 가능한 3D 모방 학습(imitation learning)을 위한 새롭고 견고한 토대를 마련합니다. 프로젝트 페이지: https://r3d-policy.github.io/