RoboPilot: 이중 사고 모드를 통한 일반화 가능한 동적 로봇 조작
RoboPilot: Generalizable Dynamic Robotic Manipulation with Dual-thinking Modes
로보틱스의 빠른 발전에도 불구하고 복잡하거나 장기적인(long-horizon) 작업은 여전히 근본적인 과제로 남아 있습니다. 대부분의 기존 접근 방식은 제한된 추론과 피드백 부재를 특징으로 하는 개루프(open-loop) 패러다임을 따르기 때문에, 환경 변화에 대한 강건성(robustness)이 떨어지고 심각한 오류 누적이 발생합니다. 본 연구에서는 실제 동적 환경의 복잡한 작업에 대해 적응형 추론을 지원하는 로봇 조작용 이중 사고(dual-thinking) 폐루프(closed-loop) 에이전트 프레임워크인 RoboPilot을 제시합니다. RoboPilot은 에이전트 시스템으로서 구조화된 작업 계획 및 유연한 동작 생성을 위해 원시 동작(primitive action)을 활용하는 동시에, 동적 변화 및 실행 오류로부터 재계획을 수행할 수 있도록 피드백을 도입합니다. 사고의 연쇄(Chain-of-Thought, CoT) 추론은 고수준 작업 계획을 더욱 향상시키고 저수준 동작 생성을 안내합니다. 또한 이 에이전트 시스템은 효율성과 정확성의 균형을 맞추기 위해 빠른 사고와 느린 사고 사이를 동적으로 전환합니다. 다양한 로봇 조작 시나리오에서 RoboPilot의 강건성을 체계적으로 평가하기 위해, 실행 불가능한 작업 인식 및 동적 복구를 포함하여 10개 범주에 걸친 21개 작업으로 구성된 벤치마크인 RoboPilot-Bench를 소개합니다. 실험 결과 RoboPilot은 작업 성공률에서 최신 SOTA(state-of-the-art) 베이스라인 대비 11% 뛰어난 성능을 보였으며, 산업용 로봇에 대한 실제 환경 배치를 통해 강건성을 추가로 입증했습니다.