본 논문은 가정과 같은 일반 환경에서 작동하는 로봇이 잡을 수 없는 물체를 다루기 위해 넘어뜨리기, 구르기와 같은 비파지성 조작 행위를 수행해야 함을 지적합니다. 기존의 비파지성 조작 연구는 다양한 기하학적 환경에 일반화되지 못하는 한계를 가지고 있으며, 이는 다양한 환경 제약 조건에 적응하는 어려움 때문입니다. 본 논문에서는 이러한 문제를 해결하기 위해 작업 요구 사항에 따라 네트워크 모듈을 적응적으로 재구성하는 모듈식 및 재구성 가능한 아키텍처를 제안합니다. 환경의 기하학적 변동성을 포착하기 위해 접촉 기반 객체 표현(CORN)을 환경 기하학으로 확장하고, 에이전트를 훈련하기 위해 다양한 환경을 생성하는 절차적 알고리즘을 제안합니다. 결과적으로 제시된 정책은 시뮬레이터 내에서만 완전히 훈련되었음에도 불구하고 새로운 실제 환경과 물체에 제로샷 전이가 가능합니다. 또한 현실적인 영역에서 비파지성 조작 연구를 용이하게 하기 위해 실제 장면의 9개 디지털 트윈과 353개의 물체를 특징으로 하는 시뮬레이션 기반 벤치마크를 공개합니다.
