FieldGen: From Teleoperated Pre-Manipulation Trajectories to Field-Guided Data Generation
Created by
Haebom
저자
Wenhao Wang, Kehe Ye, Xinyu Zhou, Tianxing Chen, Cao Min, Qiaoming Zhu, Xiaokang Yang, Ping Luo, Yongjian Shen, Yang Yang, Maoqing Yao, Yao Mu
FieldGen: 필드 기반 데이터 생성을 통한 로봇 조작 정책 학습
개요
본 논문은 견고한 로봇 조작 정책 학습을 위한 대규모의 다양하고 고품질의 실제 세계 데이터 수집을 목표로 하는 FieldGen 프레임워크를 소개합니다. 이 프레임워크는 조작을 두 단계로 나누어, 사전 조작 단계에서 궤적의 다양성을 확보하고, 정밀한 조작 단계에서 전문가의 정밀도를 활용합니다. FieldGen은 인력 투입을 최소화하면서 확장 가능하고, 다양하며, 고품질의 실제 세계 데이터를 생성합니다. 인간 시연을 통해 주요 접촉 및 자세 정보를 캡처한 후, 매력 필드를 사용하여 성공적인 구성으로 수렴하는 다양한 궤적을 자동으로 생성합니다. FieldGen-Reward는 생성된 데이터에 보상 주석을 추가하여 정책 학습을 향상시킵니다. 실험 결과는 FieldGen으로 훈련된 정책이 텔레오퍼레이션 기반 기준선보다 더 높은 성공률과 안정성을 달성하며, 장기간의 실제 세계 데이터 수집에서 인간의 노력을 크게 줄인다는 것을 보여줍니다.
시사점, 한계점
•
시사점:
◦
인간의 감독을 최소화하면서 확장 가능한 로봇 조작 데이터 수집 가능.
◦
획득한 데이터의 다양성을 통해 로봇 정책의 견고성 향상.
◦
텔레오퍼레이션 기반 방식보다 높은 성공률과 안정성 달성.
◦
실제 세계 데이터 수집에 필요한 인간의 노력 감소.
•
한계점:
◦
논문에 구체적인 한계점에 대한 언급은 없음. (논문의 요약에서 한계점에 대한 언급을 찾을 수 없음)
