ASPIRE: Agentic /Skills Discovery for Robotics

로봇이 자율적으로 제어 프로그램을 작성·수정하며 경험을 재사용 가능한 스킬 라이브러리로 축적하는 자가개선 시스템 ASPIRE를 제안한다.

ASPIRE(NVIDIA)는 code-as-policy 패러다임에서 로봇이 자율적으로 프로그램을 작성하고 디버깅하며, 검증된 수정 패턴을 재사용 가능한 스킬 라이브러리로 축적하는 지속 학습 시스템이다. 세 가지 핵심 구성요소—폐루프 실행 엔진(미세 다중모달 트레이스), 스킬 라이브러리, 진화 탐색—를 통해 기존 코딩 에이전트 대비 LIBERO-Pro 섭동 태스크에서 최대 77%, Robosuite 양손 협업에서 72%, BEHAVIOR-1K 장기 가사 태스크에서 32% 향상을 달성했다. 시뮬레이션에서 발견된 스킬이 실제 로봇으로 전이되는 초기 증거도 제시했다.

핵심 요약

• 폐루프 로봇 실행 엔진이 primitive별 다중모달 트레이스(지각 overlay, 파지 후보, 궤적, 충돌 피드백)를 노출하여 에이전트의 자율 실패 진단·수정 가능
• 검증된 수정 패턴을 스킬 라이브러리에 축적하여 후속 태스크에서 in-context guidance로 재사용 — 태스크가 많아질수록 적응 속도 향상
• 진화 탐색으로 단일 궤적 수정을 넘어 다양한 프로그램 후보를 병렬 탐색하여 성공률 추가 향상
• LIBERO-Pro Long에서 제로샷 31% 성공률 달성 (기존 방법 4%) — 누적 스킬 라이브러리의 일반화 효과
• 시뮬레이션 스킬을 실제 양솔 로봇에 전이 시 추론 토큰를 약 10배 절감하며 성공률도 향상
• 실행 엔진이 없을 때 macro-average 14% → 엔진 추가 후 62% → 진화 탐색 추가 후 72%로 단계적 향상

논문 링크

외부 연구를 정리한 자료입니다. HDATF가 발표한 논문이나 제품 성능을 측정한 결과는 아닙니다.