PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2512.16861v2cs.RO

ReinforceGen: 자동화된 데이터 생성과 강화학습을 활용한 하이브리드 스킬 정책

ReinforceGen: Hybrid Skill Policies with Automated Data Generation and Reinforcement Learning

장기 수평(long-horizon) 조작은 로보틱스 분야에서 오랫동안 해결되지 않은 과제였습니다. 우리는 ReinforceGen을 제안합니다. 이 시스템은 작업 분해, 데이터 생성, 모방 학습, 동작 계획을 결합하여 초기 솔루션을 구성하고, 강화학습 기반 미세조정(fine-tuning)을 통해 각 구성 요소를 개선합니다. ReinforceGen은 먼저 작업을 여러 개의 지역화된 스킬(skill)로 분할하며, 이 스킬들은 동작 계획(motion planning)을 통해 연결됩니다. 스킬과 동작 계획 목표는 10개의 인간 시연으로 생성된 데이터셋에서 모방 학습으로 훈련된 후, 온라인 적응과 강화학습을 통해 미세조정됩니다. Robosuite 데이터셋에서 벤치마크 평가 시, ReinforceGen은 가장 높은 리셋 범위 설정에서 비주모터(visuomotor) 제어를 사용하는 모든 작업에 대해 80%의 성공률을 달성합니다. 추가적인 어블레이션 연구(ablation study)를 통해 미세조정 방식이 평균 89%의 성능 향상에 기여함을 확인했습니다. 마지막으로, ReinforceGen은 실세계 평가에서도 미세조정을 통한 유의미한 성능 향상을 보여줍니다. 추가 결과 및 영상은 https://reinforcegen.github.io 에서 확인할 수 있습니다.

arXiv:2606.13053v1cs.RO

EA-WM: 작업 명세 그라운딩 기반 이벤트 인식 월드 모델을 이용한 장기간 조작

EA-WM: Event-Aware World Models with Task-Specification Grounding for Long-Horizon Manipulation

시각적 예측만으로는 작업 관련 이벤트 충족 여부를 판단하기 어려운 장기간 조작 문제를 해결하기 위해, 작업 명세 기반 이벤트 예측 및 검증을 수행하는 EA-WM 프레임워크를 제안한다. 이 프레임워크는 다양한 조작 연구에서 특징 공간 월드 모델의 해석 가능성을 높이고 작업 진행도와 더 잘 정렬되도록 만든다.