본 논문은 실제 환경에서 시각적 방해 요소가 성능 저하를 일으키는 문제를 해결하기 위해, 기존 데모를 활용하여 시각적 다양성을 높이는 자연스러운 Inpainting 기법 (NICE)을 제안합니다. 이미지 생성 프레임워크와 대규모 언어 모델을 사용하여 물체 대체, 스타일 변경, 방해 요소 제거 등의 편집을 수행하며, 로봇 데이터 수집, 시뮬레이터 접근, 추가 모델 훈련 없이 기존 로봇 데이터셋에 적용 가능합니다. NICE를 통해 생성된 데이터를 활용하여 시각-언어 모델 (VLM)을 미세 조정하여 공간적 어포던스 예측 정확도를 높이고, 시각-언어-행동 (VLA) 정책을 미세 조정하여 물체 조작 성공률을 향상시킵니다.
