저희는 차원 2: Atomic Skills를 강조했습니다
그렇다면 Atomic Skills란 정확히 무엇이며, 왜 그렇게 중요한 걸까요?
최근 로보틱 학습의 흐름은 원시 카메라 픽셀을 곧바로 복잡한 움직임으로 연결하려는 엔드투엔드 모델에 크게 의존하고 있습니다
하지만 이런 방식은 실제 복잡한 환경에서는 매우 많은 데이터가 필요하고, 동시에 취약해지기 쉽습니다
이에 대한 해법은 구조적인 접근에 있습니다
즉, 복잡하고 긴 수평의 태스크를 더 이상 나눌 수 없는 기초적인 물리 동작으로 분해하는 것입니다
예를 들면 Grasp, Place, Push, Pivot 같은 동작들입니다
이것이 바로 Atomic Skills입니다.
Atomic Skills는 고차원 인지적 추론인 “무엇을 할 것인가” 와
저차원 운동 제어인 “어떻게 움직일 것인가” 를 효과적으로 분리해줍니다
Google DeepMind의 연구가 보여주듯,
로보틱 지능의 확장은 결국 이러한 기초 Atomic Skills 라이브러리를 얼마나 견고하게 구축하고,
이를 얼마나 동적으로 조합할 수 있느냐에 달려 있습니다.
이는 자율 에이전트를 위한 공유 가능하고 확장 가능한 개념 구조를 만들어줍니다.
모델을 Atomic Skill 시퀀스 위에서 학습시키면,
진정한 일반화가 가능해집니다.
🔘능력 재사용 (Capability Reuse)
이미 “Push”와 “Grasp”를 배운 로봇은 새로운 태스크가 생겼을 때 기본 물리를 처음부터 다시 배울 필요가 없습니다
단지 새로운 시퀀스만 익히면 됩니다.
🔘공간 일반화 (Spatial Generalization)
스킬은 로컬 기하 구조에 적응하기 때문에,
작업 공간 안에서 오브젝트가 어디에 놓여 있든 안정적으로 작동할 수 있습니다.
🔘오류 복구 (Error Recovery)
그립이 실패했을 때 시스템은 그대로 멈추지 않습니다.
실패를 인식하고, 적절한 복구 스킬을 실행할 수 있습니다.
반면, 분절되지 않은 원시 텔레오퍼레이션 비디오는 신호 대비 잡음 비율이 낮은 한계를 가집니다
Axis에서는 Dynamic Data Engine을 통해 인간의 지능을 바로 이런 Atomic Skill 시퀀스 구조로 정리하고 있습니다.
이를 통해 파운데이션 모델이 더 강건한 일반화를 달성하는 데 필요한 고가치 빌딩 블록을 제공하고 있습니다
Axis X | Axis 한국 공지 채널 | Axis 한국 채팅방
» Axis Hub