인간형 로봇을 훈련시키기 위해 다양한 데이터를 사용하는 것은 그들의 견고성과 다양한 작업 및 플랫폼 간의 일반화를 향상시킨다. 그러나 로봇 시범만을 통해 학습하는 것은 노동 집약적이며, 규모를 확장하기 어렵다. 본 논문은 로봇 학습을 위한 교차 구현 훈련 데이터로 자가 중심의 인간 시범을 더 확장 가능한 데이터 원천으로 조사한다. 우리는 인간형 로봇과 인간 사이의 구현 갭을 데이터와 모델링의 관점에서 완화한다. 우리는 자가 중심의 과제 지향적 데이터 세트(PH2D)를 수집한다. 이 데이터 세트에서 우리는 인간이 로봇을 제어하면서 수행하는 과제를 반복적으로 수행하는 인간의 모션을 캡처한다. 이 데이터는 로봇 학습을 위한 훈련 데이터로 사용될 수 있다. 이를 통해 인간형 로봇이 다양한 작업과 환경에서 더 견고하게 작동할 수 있도록 돕는다.

<Apple 뉴스 본문 전체읽기>