로봇 촉각 학습을 위한 신규 인코더 'LingBot-Touch' 공개

요약

Robbyant 연구팀이 공개한 'LingBot-Touch'는 원시 센서 신호를 재구성하는 대신 마스킹된 접촉의 잠재 표현을 예측하는 JEPA 방식의 자기지도 학습형 촉각 인코더입니다. 연구진이 동일한 데이터셋으로 기존 MAE 및 VAE 방식과 성능을 비교한 결과, 1천 시간 학습 데이터 기준 촉각-영상 간 Top-5 리콜에서 JEPA 방식이 32.1%를 기록해 MAE(5.6%)와 VAE(4.4%)를 크게 앞섰습니다. 4천 시간 학습 시 JEPA는 49.3%까지 성능이 향상된 반면, 기존 방식들은 성능 개선이 없거나 오히려 저하되는 현상을 보였습니다. 이는 촉각 데이터의 대부분이 배경 노이즈로 구성되어 있어, 단순 재구성 손실을 줄이는 방식으로는 실질적인 접촉 정보를 학습하기 어렵기 때문입니다. 또한 연구진은 학습 효율을 높이기 위해 마스킹 비율을 300스텝에 걸쳐 40%에서 80%로 점진적으로 높이는 전략을 채택했습니다.

AI가 원문을 요약한 내용으로, 부정확할 수 있습니다.