이번 주는 데이터를 더 잘 활용하고 학습시키는 방법에 대한 실험에 집중했습니다
거의 1년 동안 데이터 플라이휠을 구축해온 가운데,
다음 단계는 모델이 직접 방향을 제시하는 데이터 엔진입니다
파운데이션 모델의 성능을 피드백으로 활용해 어떤 데이터를 남기고,
어떤 데이터를 제외하며, 다음 데이터 수집을 어디에 집중할지 결정하는 방식입니다
대규모 데이터 생성과 수집 자체는 이미 가능하게 만들었습니다
이제 남은 병목은 현재 모델이 무엇을 아직 배우지 못했는지를 파악하는 것입니다
이를 통해 고정된 데이터 분포에서 무작위로 샘플링하는 대신,
기존 데이터를 필터링하고 다음 수집 라운드의 목표를 보다 정확하게 설정하려 합니다
이와 관련한 핵심적인 방향은 곧 별도의 기술 글을 통해 공개할 예정입니다
🥹 주요 업데이트
• 새로운 데이터셋 및 Real2Sim2Real
실제 물체와 장면을 시뮬레이션으로 빠르게 가져오는 파이프라인을 구축하고 하드웨어 검증까지 진행한다
우선 구체적인 물체군을 중심으로 물체 간·장면 간 전이 가능한 기술을 만드는 데 집중한다
• 능동적 데이터 선별
기존의 사람 검수, VLM 검사, 고정된 스크립트 검사를 넘어 모델 성능을 기준으로 데이터를 선별하는 방식으로
전환한다
실제로 모델에게 새로운 것을 가르칠 수 있는 궤적에 학습 자원을 집중하는 것이 목표다
• 검증 및 신규 태스크
전체 행동 리플레이와 수동 교차 검토를 통해 부정행위 방지 검증을 강화했고,
ARX5를 활용한 양팔 로봇 지원을 추가했다. 바구니에 물체를 넣고 꺼내는 새로운 태스크도 추가했다
➡️ 자세히 알아보기
Axis X | Axis 한국 공지 채널 | Axis 한국 채팅방