X-NavDP: 그룹 Q-점수 재가중 매칭으로 새로운 행동과 체형에 내비게이션 확산 정책을 일반화

연구진은 서로 다른 로봇 몸체와 어려운 환경에서도 동작하는 X-NavDP를 제안했다.

핵심은 행동 교란 탐색과 그룹 Q-score 정규화를 결합한 GQRM 후학습 프레임워크다.

분산 온라인 강화학습을 통해 시뮬레이션과 실제 환경 모두에서 내비게이션 성공률을 크게 높였다.

기존의 ‘한 로봇, 한 데모’ 한계를 줄여 더 범용적인 시각 기반 이동을 가능하게 할 전망이다.