멀티에이전트 경로 계획으로 로봇 1만 대 조율하기 — CMU 로보틱스 세미나 정리
카네기멜런대 자오양 리 교수가 창고 로봇 수천 대의 교착과 정체를 푸는 세 갈래 연구를 소개했습니다. 1만 대 규모 경로 계획, 지도 가중치 최적화로 처리량 27% 개선, 통과 순서 제약 기반 실행 프레임워크를 다룹니다.
핵심 내용 읽기 →
AI TOPIC
모방학습 최신 뉴스와 핵심 해설
모방학습 관련 핵심 뉴스와 활용 인사이트 11편을 최신순으로 모았습니다.
액션 청킹과 생성형 제어: 로봇 모방학습의 오차 누적을 제어이론으로 해부한 CMU 세미나
언어 모델에서는 선형으로 쌓이는 모방학습 오차가 연속 제어에서는 지수로 폭발한다. CMU 로보틱스 세미나는 액션 청킹과 생성형 제어 정책이 왜 이 문제를 실제로 완화하는지 이론과 절제 실험으로 함께 짚는다.
핵심 내용 읽기 →
VLA 로봇 파운데이션 모델 일반화 한계: 파인튜닝 후 암기 현상과 스탠퍼드 연구실의 해법
스탠퍼드 맥 슈웨거 교수가 UC 버클리 세미나에서 π0 같은 VLA 로봇 모델이 파인튜닝 후 언어 지시를 무시하고 학습된 동작을 그대로 반복하는 암기 현상을 짚고, 추가 데이터 없이 일반화를 되살린 방법을 발표했다.
핵심 내용 읽기 →
모방학습 강화학습 차이 정리 — 스탠퍼드 AA203 14강, 행동 복제부터 역강화학습과 가치 함수까지
스탠퍼드 AA203 14강은 전문가 시연을 따라 하는 모방학습과 시행착오로 배우는 강화학습을 나란히 놓고 비교한다. 행동 복제의 분포 이동 문제, 보상 함수를 거꾸로 복원하는 역강화학습, 가치 함수와 신용 할당까지 자율 시스템 학습의 뼈대를 짚는다.
핵심 내용 읽기 →
모방학습 강의 정리: 행동 복제의 복합 오차와 다봉 행동, DAgger와 디퓨전 정책
스탠퍼드 제어 강의가 모방학습을 다루며 행동 복제가 실패하는 두 원인인 복합 오차와 다봉 행동, 그리고 DAgger와 데이터 증강, 디퓨전 정책과 액션 청킹, 역강화학습까지 해법을 차례로 정리했다.
핵심 내용 읽기 →
로봇 러닝 입문: ETH 취리히 강의로 보는 모라벡의 역설과 로봇 파운데이션 모델
ETH 취리히가 새로 개설한 로봇 러닝 강의 1강을 정리했다. 모라벡의 역설, 1966년 로봇 셰이키부터 오늘의 휴머노이드까지의 흐름, 그리고 로봇에 아직 챗GPT 순간이 오지 않은 이유와 데이터 격차를 짚는다.
핵심 내용 읽기 →
모방학습 완전 정리: 행동 복제의 한계와 DAgger·디퓨전·잠재변수 해법 (ETH 취리히 로봇 학습 3강)
ETH 취리히 로봇 학습 강의 3강이 다룬 모방학습의 구조를 정리했다. 행동 복제의 오차가 왜 단계 수의 제곱으로 커지는지, DAgger와 이산화·디퓨전·잠재변수 모델이 분포 이동과 멀티모달 행동을 어떻게 완화하는지 살펴본다.
핵심 내용 읽기 →
확산 정책(Diffusion Policy) 원리와 개발 뒷이야기: 로봇 모방학습의 다중 모드 문제 해결법
이미지 생성에 쓰던 확산 모델로 로봇 행동을 만드는 확산 정책. 왜 행동의 평균을 내는 정책이 실패하는지, 왜 행동을 한 걸음이 아니라 묶음으로 예측해야 하는지, 논문 저자가 개발 뒷이야기와 함께 직접 설명한다.
핵심 내용 읽기 →
피지컬 AI와 휴머노이드 로봇: 강화학습 보행이 바꾼 것과 한국이 뒤처진 진짜 이유
휴머노이드가 최근 2년 사이 자연스럽게 걷고 물건을 다루게 된 기술적 배경을 강화학습과 모방학습으로 나눠 살펴보고, 로봇과 인재, 학습 비용이라는 국내 현실의 병목을 함께 정리했다.
핵심 내용 읽기 →
피지컬 AI 로봇 행동 데이터는 어떻게 얻나: DexCap·AirExo·AirExo-2 기술 정리
로봇 학습의 진짜 병목은 모델 구조가 아니라 행동 데이터다. DexCap과 AirExo, AirExo-2가 사람의 시연을 어떻게 로봇이 배울 수 있는 형태로 바꾸는지, 그 변환 파이프라인을 정리했다.
핵심 내용 읽기 →
강화학습의 한계, 카르파티가 짚은 현재 LLM 학습 방식의 근본 문제
안드레이 카르파티는 사람은 강화학습이 아니라 다른 방식으로 배운다고 말한다. 수백 번의 시도 끝에 얻은 단 하나의 정답 신호를 전체 과정에 되뿌리는 현재 방식의 잡음과 한계를 짚었다.
핵심 내용 읽기 →