HiFi-UMI: Learning Deployable Manipulation Policies from High-Fidelity UMI Data Alone

이 논문은 로봇 원격조종 데이터 없이, 고해상도 UMI 핸드헬드 데이터만으로 로봇 정책을 훈련해 실제 로봇에 배포할 수 있다는 것을 증명한 연구다.

이 논문은 한마디로 'UMI(휴대용 그리퍼) 데이터의 정확도를 극한으로 끌어올리면, 로봇 원격조종 데이터 없이도 배포 가능한 로봇 정책을 만들 수 있다'는 것을 보여준다. HiFi-UMI는 헤드 마운트 스테레오 SLAM, 하드웨어 동기화 트리거, 초광각 6카메라로 3mm 궤적 정확도를 달성했다. 3개 백본(VLA/WAM)에서 원격조종 기준선과 -2.5~+3.1%p 차이로 동등한 성능을 보였고, 4000시간 사전학습으로 10개 미지원 작업에서 41% 행동 오차 감소를 달성했다. 2000시간 데이터셋을 공개했다.

핵심 요약

• 3mm 궤적 정확도, 마이크로초 동기화, ~200도 시야각으로 기존 UMI의 충실도 한계를 극복했다.
• 제로-로봇 포스트트레이닝: HiFi-UMI 데이터만으로 훈련해 실제 로봇에 직접 배포 가능하다 (3개 백본 모두에서 검증).
• 가장 강한 정책은 정밀 삽입 작업에서 85% 성공률을 달성했다 — 해당 작업에 HiFi-UMI 궤적 데이터가 전혀 없음에도.
• 4000시간 사전학습으로 미지원 작업 10개에서 행동 오차 41% 감소, 한 백본에서는 추가로 18.1%p 성공률 향상.
• 2000시간 마이크로초 동기화된 고품질 데이터셋(HiFi-UMI-2K)을 오픈소스로 공개했다.

논문 링크

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