LANGUAGE-FORCING, 휴머노이드 로봇 작업 성공률 높여

Yanjun Li가 이끄는 연구진은 작업 진행 상황을 설명하는 언어를 활용해 로봇의 월드 액션 모델을 학습하는 방법인 LANGUAGE-FORCING를 소개했다. 이 방법은 고정된 비전-언어 모델에서 얻은 텍스트 임베딩을 로봇이 예측한 미래 시각 정보와 정렬한다. 추가 연산 부담은 학습 중에만 발생하므로 로봇은 이전과 같은 속도로 작동한다. HumanoidArena 벤치마크에서 성공률 79.17%를 기록해 다음으로 높은 정책보다 9.46포인트 앞섰다. 실제 환경에서 수행한 5개 작업의 성공률은 53.33%에서 71.33%로 상승했다.