[Open DMQA Seminar] Introduction to Robot Learning скачать в хорошем качестве

[Open DMQA Seminar] Introduction to Robot Learning

Robot learning은 인공지능을 활용하여 로봇이 자율적으로 주어진 업무를 수행하도록 제어하는 연구 분야이다. 이전에 로봇 제어를 현실 세계에서 수행하기 위해서는 상당한 양의 학습 데이터를 필요로 하였다. 한편 vision-language model (VLM) 분야가 발전하면서 인공지능이 현실 세계를 인지하고 이해하는 능력이 대폭 향상이 되면서 로봇 제어에서 이를 활용하는 연구가 진행되었다. VLM의 강력한 일반화 성능은 다양한 환경에서도 로봇 제어를 보다 효과적으로 수행할 수 있게 하였으며 데이터 효율적인 학습 역시 가능하게 하였다. 이번 세미나에서는 robot learning의 주요 개념과 연구 흐름 그리고 대표적인 연구 사례를 소개하고자 한다. 참고자료: [1] Brohan, A., Brown, N., Carbajal, J., Chebotar, Y., Dabis, J., Finn, C., ... & Zitkovich, B. (2022). Rt-1: Robotics transformer for real-world control at scale. arXiv preprint arXiv:2212.06817. [2] Driess, D., Xia, F., Sajjadi, M. S., Lynch, C., Chowdhery, A., Ichter, B., ... & Florence, P. (2023, July). PaLM-E: An Embodied Multimodal Language Model. In International Conference on Machine Learning (pp. 8469-8488). PMLR. [3] Zitkovich, B., Yu, T., Xu, S., Xu, P., Xiao, T., Xia, F., ... & Han, K. (2023, December). Rt-2: Vision-language-action models transfer web knowledge to robotic control. In Conference on Robot Learning (pp. 2165-2183). PMLR. [4] Black, K., Brown, N., Driess, D., Esmail, A., Equi, M., Finn, C., ... & Zhilinsky, U. (2024). $\pi_0 $: A Vision-Language-Action Flow Model for General Robot Control. arXiv preprint arXiv:2410.24164