지난주 Axis는 태스크 생성, 시뮬레이션 인프라, 모델 학습, 실패 복구를 포함해 로보틱스 데이터 루프 전반에서 진전을 이뤘습니다
🥹 주요 업데이트
🔘태스크 생성
TaskGen을 개선해 자동 체커 생성 기능을 강화했고, 멀티 임바디먼트 지원을 더 탄탄하게 만들었으며, 도메인 랜덤화를 더욱 효율적으로 적용할 수 있도록 했습니다. 이를 통해 수작업 설계 부담은 줄이면서도 태스크 다양성을 더 크게 확장할 수 있게 되었습니다
🔘시뮬레이션 인프라
MuJoCo 기반 verify/replay와 scene-variant 워크플로우를 계속 개선했습니다
데이터 수집, 멀티 에셋 씬, 반복 로딩/다운로드, 초기 상태, 텔레오퍼레이션, IK, 그리퍼 제어 등 여러 영역에서 수정과 개선이 이루어졌습니다
🔘모델 학습
새롭게 랜덤화된 태스크들이 충분한 데이터가 주어질 경우 실제로 학습 가능하다는 점을 확인했습니다. 현재 실험에서는 500개의 데모로 실행 가능한 정책을 만드는 데 성공했지만, 100개의 데모만으로는 충분하지 않았습니다
🔘실패 복구
그리핑 과정에서 발생하는 실패 및 실패 직전 상태를 수집하고 분류하는 recover-from-failure 파이프라인 구축을 시작했습니다
이는 이후 더 견고한 복구 정책 학습을 지원하는 기반이 될 예정입니다
➖
TaskGen 측면에서는 자동 체커 생성 기능을 개선하고, 멀티 임바디먼트 지원을 더욱 강화했습니다
이를 통해 하나의 생성된 태스크를 Aloha, ARX L5, Google Robot 스타일 구성 등 다양한 로봇 셋업에서 동일하게 작동하도록 만들 수 있게 되었습니다
또한 도메인 랜덤화도 더 정교하게 다듬어
수작업 태스크 설계 부담은 줄이면서도
태스크 다양성은 더 효율적으로 확장될 수 있도록 개선했습니다
➖
🔘시뮬레이션 및 제품 측면
MuJoCo verify/replay와 scene-variant 워크플로우를 개선
데이터 수집 지연, 멀티 에셋 씬에서의 에셋 관통 및 충돌 문제, 반복적인 태스크 로딩, 반복적인 scene-variant 다운로드, 초기 상태 호환성, 텔레오퍼레이션, IK, 그리퍼 제어 관련 수정 포함
그리핑 과정에서 발생하는 실패 상태와 실패 직전 상태를 수집,분류하는 방식으로, recover-from-failure 데이터 파이프라인 구축 시작
이러한 상태 데이터는 다음 단계에서 데이터베이스에 추가될 예정이며,
장기적으로는 실패한 시연과 부분적으로 성공한 시연까지 활용해,
더 견고한 그리핑 및 복구 정책을 학습시키는 것이 목표입니다
Axis X | Axis 한국 공지 채널 | Axis 한국 채팅방
» Axis Hub