Improving Robot Imitation Learning with Noise-Pretrained Transformers

최근 물리적 인공지능(Physical intelligence)을 위해 다양한 실세계 작업에 대해 로봇의 행동을 추론하는 여러 알고리즘이 제안되었으나, 여전히 많은 작업에서 인간의 행동 추론 성능이 더 우수함에도 불구하고 학습 전략에 생물학적 뇌의 특성들을 반영하려는 시도는 부족하다. 본 연구에서는 포유류의 뇌 발달 과정 초기에 발견되는 특징 중 하나인 자발적 신경 활동을 통한 가중치 정렬이 중요하다는 기존 연구에 착안하여, 시뮬레이션 환경에서 트랜스포머 기반 로봇 행동 모방 학습 모델의 학습 전략에 무작위 이미지 입력 및 무작위 행동 데이터를 사전 학습에 활용하고 그 효과를 조사하였다. 무작위 노이즈 데이터 셋을 활용한 사전 학습 결과 최대 22%의 작업 성공률 증가를 확인하였으며, 이러한 연구 결과는 로봇 행동 학습 분야에 무작위 노이즈 데이터 기반의 사전 학습 등 생물학적 뇌의 학습 전략을 반영한 학습 효율 개선이 가능함을 시사한다.