Core Concepts
LOTUS는 새로운 조작 작업에 대한 소수의 인간 시연을 통해 지속적으로 기술을 발견하고 확장하여 로봇의 조작 능력을 향상시키는 알고리즘이다.
Abstract
LOTUS는 지속적 모방 학습을 위한 계층적 알고리즘으로, 새로운 작업에 대한 인간 시연을 통해 지속적으로 감각-운동 기술을 발견하고 확장한다.
기술 발견 과정:
계층적 클러스터링을 통해 시연 데이터에서 반복적인 패턴을 추출하여 기술로 정의
새로운 작업에서 발견된 기술은 기존 기술과 유사한 경우 업데이트, 그렇지 않은 경우 새로운 기술로 추가
기술 활용 과정:
발견된 기술들로 구성된 라이브러리를 활용하여 메타 컨트롤러가 새로운 작업을 해결
메타 컨트롤러는 상황에 맞는 기술을 선택하고 세부 목표를 생성하여 기술을 조합
실험 결과, LOTUS는 기존 방법들에 비해 지속적 학습 성능이 우수하며, 실제 로봇에서도 효과적으로 작동함을 보였다.
Stats
새로운 작업에 대한 소수의 인간 시연 데이터만을 활용한다.
지속적 학습 과정에서 이전 작업의 데이터를 일부만 저장하여 활용한다.
Quotes
"LOTUS는 새로운 조작 작업에 대한 소수의 인간 시연을 통해 지속적으로 기술을 발견하고 확장하여 로봇의 조작 능력을 향상시킨다."
"LOTUS는 발견된 기술들로 구성된 라이브러리를 활용하여 메타 컨트롤러가 새로운 작업을 해결한다."