Основні поняття
언어 수정을 통해 로봇 정책의 일반화 가능한 지식을 추출하고 검색하여 새로운 환경에서의 성능을 향상시킬 수 있다.
Анотація
이 논문은 로봇이 언어 수정에 효과적으로 대응하고, 이를 통해 일반화 가능한 지식을 추출 및 검색하는 DROC 시스템을 제안한다.
DROC는 세 가지 주요 모듈로 구성된다:
- 수정 처리기(Correction Handler): 언어 수정이 높은 수준(작업 계획)인지 낮은 수준(기술 매개변수)인지 판단하고 적절한 대응을 생성한다.
- 지식 추출기(Knowledge Extractor): 작업 수행 과정에서 축적된 상호작용 내역을 분석하여 일반화 가능한 지식을 추출하고 지식베이스에 저장한다.
- 지식 검색기(Knowledge Retriever): 새로운 작업 수행 시 지식베이스에서 관련 지식을 검색하여 활용한다. 이때 텍스트 유사도뿐만 아니라 시각적 유사도도 고려한다.
실험 결과, DROC는 기존 방식에 비해 온라인 수정에 더 효과적으로 대응하고, 새로운 환경에서도 더 적은 수의 수정으로 작업을 수행할 수 있음을 보여준다. 이는 DROC가 언어 수정으로부터 일반화 가능한 지식을 효과적으로 추출하고 활용할 수 있음을 의미한다.
Статистика
로봇은 한 번에 하나의 물체만 잡을 수 있다.
사용자는 흰색 서랍에 문구류를 넣기를 선호한다.
로봇은 한 손만 가지고 있다.
같은 색상의 블록은 같은 서랍에 넣어야 한다.
같은 종류의 옷은 같은 곳에 놓아야 한다.
흰색 선반이 가득 차 있다.
Цитати
"로봇은 한 번에 하나의 물체만 잡을 수 있다."
"사용자는 흰색 서랍에 문구류를 넣기를 선호한다."
"로봇은 한 손만 가지고 있다."
"같은 색상의 블록은 같은 서랍에 넣어야 한다."
"같은 종류의 옷은 같은 곳에 놓아야 한다."
"흰색 선반이 가득 차 있다."