Guangyuan Wang이 이끄는 연구팀은 새로운 시연 데이터를 수집하거나 재학습하지 않고, 사전 학습된 로봇 정책을 장애물에 맞게 조정하는 추론 시점 기법을 소개했다. 이 기법은 로봇의 예상 경로를 살펴보고 동작을 단계별로 따로 보정하는 대신, 동작 순서 전반에 걸쳐 장애물 회피 보정을 분산한다.
장애물이 있는 7개 시나리오와 4개 조작 작업에서 시험한 결과, 연구진은 총 140개 작업 가운데 105개를 충돌 없이 완료했다고 밝혔다. 절대 동작값을 단계별로 보정하는 방식은 140개 가운데 8개를 완료했다. 이는 보고된 실험 결과이며, 초록에는 해당 시나리오 밖에서의 성능이 명시돼 있지 않다.
왜 중요한가
사전 학습된 정책을 새로운 장애물 환경에 적용하려는 로봇 연구자에게, 동작 순서 전반에 걸쳐 보정을 조정하면 재학습 없이도 성능을 높일 수 있다는 가능성을 보여준다. 다만 시험한 시나리오 밖에서의 성능은 아직 알 수 없다.
