출처: roboticsandautomationnews.com원문 보기
Skylark Labs researchers develop AI system that enables robots to keep learning after deployment
3줄 요약
- 스카이락랩스 연구진은 배치된 로봇이 기존 AI 모델을 다시 학습시키지 않고 현장 경험을 축적하는 CFAM 구조를 제안했습니다.
- 이 구조는 로봇팔, 사족보행 로봇, 휴머노이드, 드론, 오프로드 차량을 대상으로 평가됐습니다.
- 연구진은 학습 데이터 사용량과 새 상황에 대한 작업 성공률에서 개선을 보고했지만, 완전히 새로운 작업을 스스로 익히는 단계는 아니라고 밝혔습니다.
스카이락랩스와 카네기멜런대학교, 캘리포니아대학교 버클리 연구진이 개발한 CFAM은 배치 후에도 로봇이 유사한 새 상황에 적응하도록 설계한 구조입니다. 기존에 학습한 감각·추론·동작 구성요소는 고정하고, 현장에서 성공한 경험을 별도의 '캡슐 필드'에 저장해 비슷한 상황에서 다시 활용합니다. 원 논문은 2026년 9월 3일 공개됐으며, 이번 보도는 그 작동 방식과 실험 결과를 소개했습니다.
연구진은 로봇팔, 사족보행 로봇, 휴머노이드, 드론, 오프로드 차량 등 다섯 종류의 시스템에서 이 구조를 평가했습니다. 논문에 따르면 CFAM은 비교 대상 정책이 전체 사전 학습 데이터로 도달한 작동 수준에 데이터의 40%만으로 도달했습니다. 배치 후 기존 학습 범위와 가까운 새 상황의 성공 사례를 저장했을 때 작업 성공률은 74.0%에서 87.9%로 높아졌다고 보고했습니다.
이 결과는 연구진이 사용한 데이터와 실험 조건에서 얻은 성과입니다. 연구진은 CFAM이 이미 알고 있는 기술을 유사한 상황으로 확장하도록 설계됐으며, 관련 기술이 전혀 없는 새로운 작업을 스스로 만들어 내는 기능은 현재 범위에 포함되지 않는다고 설명했습니다.
댓글 0
아직 댓글이 없습니다.