➖ π0.5 성능 개선으로 본 진짜 이유
이번 학회 제출 논문에서 Axis를 확장 가능한 로봇 제작 데이터 엔진으로 평가하며,
아래 세 가지 질문에 답하고자 했습니다
1. Axis 사전학습이 동일한 데이터 규모의 기준선보다,
다운 스트림 LIBERO-plus 강건성 태스크에서 π0.5 성능을 더 개선하는가?
2. 그 성능 향상은 Axis 데이터 규모가 25% > 50% > 100% 로 늘어날수록 함께 커지는가?
3. 어떤 교란축에서 가장 큰 효과가 나타나며, 그것이 우리가 설계한 증강 파이프라인의 다양성 목표와 실제로 일치하는가?
여기서 Axis는 Franka Research3 로봇을 중심으로 구축한, 확장 가능한 조작 데이터셋 스냅샷을 의미합니다
이 데이터셋은 다음과 같이 구성되어 있습니다
🔘7개의 씬 카테고리
🔘207개의 테이블탑 태스크
🔘5만 개 이상의 인간 시연 데이터
🔘데이터 클리닝과 의미 보존형 증강을 통해 생성된 6만 개 이상의 태스크/씬 변형
➡️ 자세히 알아보기
Axis X | Axis 한국 공지 채널 | Axis 한국 채팅방
» Axis Hub