이번 주 Axis는 Axis 루프를 엔드투엔드로 더 확장 가능하게 만드는 것에 집중했습니다
데이터-투-모델 워크플로우를 자동화하고,
복구 기반 학습을 테스트했으며,
태스크생성의 커버리지를 넓히고,
데이터셋과 모델 스택의 공개준비도
진행했습니다
🥹 주요 업데이트
🔘데이터-투-모델 자동화
반복적이지만 중요한 여러 워크플로우를 더 빠르고 일관되게 처리할 수 있도록 스크립트를 활용
⬇️디테일
1) 이제 attempt ID가 주어지면,
해당 시도에 대응하는 시뮬레이션 리플레이
영상까지 바로 매핑할 수 있습니다
또한 프로덕션 측 환경도 설정을 마쳤고,
제품 인계를 위한 핵심 버그들도 수정되었습니다
2) task ID가 주어지면,
파이프라인이 자동으로 모델을 학습하고,
체크포인트를 업로드한뒤,
모델 메타데이터를 다시 제품측과
연결할 수 있습니다
3) task ID와 모델이 주어지면,
시스템은 자동으로 평가를 실행하고,
성공률 통계를 생성하며,
성공 상태 히트맵 같은 시각화 자료도 출력할 수 있습니다
이를 통해 Axis는 태스크 생성, 학습 평가, 시각화가 더 이상 수작업이 아니라
체계적으로 호출되고 재현 가능한 서비스에 한층 더 가까워지고 있습니다
🔘연속 성장형 학습
여러 실패 태스크를 대상으로 데이터 규모별 학습과 성공률 비교를 완료
⬇️디테일
또한 shape 원샷 학습, 모델 업로드,
그리고 성공 초기 상태 히트맵의 내보내기 및 업로드 기능도 추가했습니다
복구 기반 설정에서는 기준선 대비 약 10% 수준의 초기 성능 개선이 확인되었지만,
이 개선에 데이터 규모, 데이터 품질,
랜덤화 범위가 각각 얼마나 기여했는지를 정확히 이해하려면
더 많은 ablation study가 필요합니다
이 평가 범위를 더욱 넓히기 위해,
새로운 실패 태스크 배치도 테스트 환경에 추가되었습니다
🔘실패 태스크 확장
데이터 규모, 데이터 품질, 랜덤화에 대한 ablation 평가 범위를 넓히기 위해 새로운 실패 태스크 배치를 테스트 환경에 추가
🔘태스크 생성
관절형 오브젝트 생성 기능이 이제 자동 생성 파이프라인에 통합
⬇️디테일
이제 태스크 생성은 캐비닛, 식기세척기, 서랍 같은 오브젝트를 지원하면서도,
기존 랜덤화 워크플로우와의 호환성도 그대로 유지합니다
또한 고객사 F******를 위해, 27개의 태스크가 수집 준비를 마쳤고,
추가로 9개의 태스크가 생성 중입니다
멀티 임바디먼트와 chain-of-thought 기반
태스크 생성도 이미 활성화된 상태입니다
이를 통해 태스크 생성은
장기 수평, 멀티 에셋, 관절형 오브젝트 조작까지 더 폭넓게 확장되고 있습니다
🔘모델 및 공개 준비
파인튜닝, 평가, 벤치마킹의 1차 사이클을 마쳤고, 데이터셋의 학회 제출도 완료
현재는 공개를 위한 실험 결과를 더욱 개선중
⬇️디테일
또한 π0.5 평가 파이프라인이 실제 환경 스택에 통합되었고,
웹 기반 정책 추론은 이제 온라인 배포용 모델 체크포인트를 불러올 수 있게 되었습니다
아울러 데이터셋의 학회 제출도 완료했으며,
현재는 다가오는 공개를 위해 실험 결과를 더욱 개선하고 있습니다.
📈 Next Step
다음 단계에서는
배치 단위 ablation 실험을 계속 진행하고,
체크포인트와 실패 태스크를 대규모로 생성하며,
모델 시각화 기능도 허브(hub) 에 적용할 예정입니다.
또한 새로운 실제 환경 임바디먼트와 스택을 연결하는 작업도 시작하고 있습니다.
이 부분에 대해서는 곧 더 자세히 공유드릴 예정입니다
Axis X | Axis 한국 공지 채널 | Axis 한국 채팅방
» Axis Hub