본 논문은 로봇의 옷 다루기 작업, 특히 양손을 사용한 옷 매무새 정돈에서의 범주 수준 일반화 문제를 해결하기 위해 Feature-Conditioned Bimanual Value Network (FCBV-Net)을 제안합니다. 고차원 데이터, 복잡한 동역학, 범주 내 변이 등의 어려움을 극복하기 위해, FCBV-Net은 3D point cloud를 입력으로 받아 미리 학습된 고정된 기하학적 특징을 조건으로 양손 작업 가치를 예측합니다. 이를 통해 범주 내 옷의 변이에 강건하고, 작업 특정 정책을 효율적으로 학습할 수 있습니다. CLOTH3D 데이터셋을 사용한 시뮬레이션 실험 결과, FCBV-Net은 기존 방법들보다 뛰어난 범주 수준 일반화 성능을 보였습니다.
