
데모 데이터셋을 능동적이고 지속적으로 확장하여 범용 로봇 에이전트의 성능을 향상시킬 수 있다.


coremsg

데이터-효율적인-데모-확장을-통한-범용-로봇-에이전트-개발


데이터 효율적인 데모 확장을 통한 범용 로봇 에이전트 개발



대량 언어 모델(Large Language Model)을 활용하여 소수의 시연만으로도 로봇이 복잡한 행동을 효율적으로 학습할 수 있다.



대량 언어 모델을 활용한 로봇의 효율적인 모방 학습



다양한 로봇 플랫폼의 데이터를 활용하여 일반화된 로봇 정책을 학습할 수 있음을 보여준다.



로봇 학습을 위한 대규모 데이터셋과 RT-X 모델



로봇 작업 선호도 수집을 위한 FARPLS 시스템의 효율성과 효과적인 기능을 제공한다.



FARPLS: Feature-Augmented Robot Trajectory Preference Labeling System



언어 동작을 중간 예측층으로 활용하여 로봇 모방 학습을 개선합니다.



Action Hierarchies Using Language: Leveraging Language Motions for Robot Imitation Learning
