RoHIL: 조명 변화에 강인한 인간 개입형 로봇 강화학습
RoHIL: Robust Human-in-the-Loop Robotic Reinforcement Learning Against Illumination Variations
TL;DR AI
1분핵심 요약
연구진은 조명 변화에 강한 인간-중심 로봇 정책을 위한 오프라인 파인튜닝 프레임워크 RoHIL을 제안했다.
RoHIL은 월드 모델로 기존 궤적을 재조명하고, 적응·유지 데이터를 함께 사용하며, Bellman 기반 정규화로 망각을 줄인다.
네 가지 실제 로봇 조작 과제에서, 서로 다른 조명 환경의 작업대 간 이동 시 성능과 강건성이 향상됐다.
이 방법은 한 조명 조건에서만 잘 작동하던 정책이 다른 조명에서 실패하는 실용적 배포 문제를 겨냥한다.
같은 주제
