[논문] 제로샷 전이 학습으로 샘플 효율적인 로봇 조작 저수준 모션 플래닝

출처: arXiv - 2606.06041v1

개요

로봇 시스템이 점점 더 정교해짐에 따라, 모션 플래닝 모델의 복잡성이 증가하고 학습 시간이 길어지는 것이 큰 도전 과제로 떠오르고 있습니다. Sample-efficient Cross-Entropy Method(iCEM)와 같은 진화 알고리즘은 효율적인 지식 재사용 전략을 활용해 성능을 향상시키면서 저수준 실시간 플래닝에서 유망한 잠재력을 최근 보여주었습니다. 많은 제어 작업에서 효과적이지만, iCEM의 성능은 특히 적재, 미끄럼, 선반 배치와 같은 복잡한 시나리오에서는 제한될 수 있습니다. 본 연구에서는 핵심 iCEM 파라미터를 더 단순한 업스트림 작업에서 하위 복잡한 다운스트림 작업으로 전달하는 전이 학습(TL)을 명시적으로 활용하는 새로운 iCEM+TL 프레임워크를 제안합니다. 또한, 적재와 선반 배치 작업을 위한 작업 분해를 통해 보상 재설계(RR)를 적용하여 작업별 성능을 최적화했습니다. 시뮬레이션 결과, 우리 프레임워크는 성공률을 최대 23%까지 향상시켰습니다. 이 프레임워크는 실제 Franka Emika 로봇을 이용한 적재 작업에서도 검증되어 실세계 적용 가능성을 입증했습니다.

주요 기여

이 논문은 다음 분야의 연구를 다룹니다:

• cs.RO
• cs.AI
• cs.NE

방법론

자세한 방법론은 전체 논문을 참고하십시오.

실용적 함의

본 연구는 cs.RO 분야의 발전에 기여합니다.

저자

• Yuanzhi He
• Victor Romero-Cano
• José J. Patiño
• Juan David Hernández
• William Sawtell
• Gualtiero Colombo

논문 정보

• arXiv ID: 2606.06041v1
• 분류: cs.RO, cs.AI, cs.NE
• 발표일: 2026년 6월 4일
• PDF: PDF 다운로드