Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

VLM See, Robot Do: Human Demo Video to Robot Action Plan via Vision Language Model

Created by
  • Haebom

저자

Beichen Wang, Juexiao Zhang, Shuwen Dong, Irving Fang, Chen Feng

개요

본 논문은 비전 언어 모델(VLM)을 활용하여 사람의 시범 영상을 해석하고 로봇 작업 계획을 생성하는 새로운 방법인 SeeDo를 제안합니다. SeeDo는 키프레임 선택, 시각적 인식, VLM 추론을 통합하는 파이프라인으로, 사람의 시범 영상을 보고(See) 해당 계획을 로봇에게 설명하여 수행하게 합니다(Do). 다양한 픽앤플레이스 작업 시범 영상 데이터셋을 구축하고, 최첨단 비디오 입력 VLM 기반의 여러 기준 모델과 비교하여 SeeDo의 우수한 성능을 실험적으로 검증하였으며, 시뮬레이션 환경과 실제 로봇 팔에서 생성된 작업 계획을 배포했습니다.

시사점, 한계점

시사점:
VLM을 활용하여 사람의 시범 영상으로부터 로봇 작업 계획을 생성하는 새로운 접근 방식 제시.
키프레임 선택, 시각적 인식, VLM 추론을 통합한 효과적인 파이프라인 구축.
다양한 작업 및 환경에서의 우수한 성능 검증.
시뮬레이션 및 실제 로봇 환경에서의 성공적인 배포.
한계점:
제한된 종류의 픽앤플레이스 작업에 대한 실험으로 일반화 성능에 대한 추가 연구 필요.
더욱 복잡하고 다양한 작업에 대한 확장성 검증 필요.
VLM의 해석 오류에 대한 로버스트니스 향상 필요.
실제 환경에서의 노이즈 및 불확실성에 대한 고려가 필요.
👍