본 논문은 Behavior Cloning(BC) 기반의 로봇 조작 모델인 Diffusion Policy(DP)의 효율성을 개선하기 위한 새로운 학습 방법을 제안한다. 특히, DP 모델의 성능 향상을 위해, 저비용의 운동학 기반 궤적 데이터를 활용하여 일반적인 액션 헤드를 사전 학습하고, 이를 특징 조절을 통해 새로운 작업에 적용하는 분리된 학습 방식을 제안한다. 이 방법은 훈련 효율성을 높이고, 모델의 매개변수를 줄인 DP-MLP 모델을 통해 성능을 유지하면서 훈련 속도를 향상시킬 수 있음을 실험적으로 증명한다.
