https://arxiv.org/abs/2308.15975

https://robotap.github.io/

로봇이 실험실이나 전문 공장 외부에서 유용하게 사용되려면 로봇에게 새롭고 유용한 행동을 신속하게 가르칠 수 있는 방법이 필요합니다. 현재 접근 방식에는 작업별 엔지니어링 없이 새로운 작업을 온보딩할 수 있는 일반성이 부족하거나 실제로 사용할 수 있는 시간 내에 이를 수행할 수 있는 데이터 효율성이 부족합니다. 이 작업에서 우리는 데모를 통해 보다 빠르고 일반적인 학습을 가능하게 하는 표현 수단으로서의 밀집된 추적을 탐구합니다. 우리의 접근 방식은 TAP(Track-Any-Point) 모델을 활용하여 데모에서 관련 모션을 격리하고 하위 수준 컨트롤러를 매개변수화하여 장면 구성의 변화에 ​​따라 이 모션을 재현합니다. 우리는 이 결과를 모양 일치, 스태킹, 등의 복잡한 객체 배열 작업을 해결할 수 있는 강력한 로봇 정책으로 보여줍니다.