BWM: A Low-Cost High-Fidelity World Simulator for Robot Learning

로봇이 실제로 동작하기 전에 '이렇게 움직이면 어떻게 될까'를 시뮬레이션해주는 저비용 고품질 월드 시뮬레이터다. 데이터 생성기와 정책 평가자 역할을 모두 한다.

이 논문은 한마디로 로봇 학습용 저비용 고품질 월드 시뮬레이터(BWM)를 만들고 오픈소스로 공개한 연구다. 물리 시뮬레이터는 에셋 구축과 보정이 비싸고 실제 로봇과의 격차가 있지만, BWM은 실제 로봇 데이터에서 직접 학습해서 로봇 동작에 따른 미래 장면을 예측한다. 핵심은 동작 정렬 훈련 데이터 파이프라인(궤적 재생, 중복 클립 샘플링, 초기 관측 강화)과 초기 환경 가이드 + 동적 히스토리 + 정밀 동작 제어를 결합한 모델 구조다. BWM은 데이터 엔진(모방학습 데이터 증강)과 정책 평가자(폐루프 평가, 위험 예측, 정책 랭킹) 역할을 모두 하며, WorldArena 챌린지에서 오픈소스 1위, 실제 로봇에서 71% 성공률을 달성했다.

핵심 요약

• 로봇 동작에 조건부로 미래 장면을 예측하는 액션 조건부 월드 모델로, 초기 환경 가이드 + 동적 히스토리 + 정밀 동작 제어를 결합했다.
• 궤적 재생, 중복 클립 샘플링, 초기 관측 강화로 동작-관측 정렬을 유지하는 훈련 데이터 파이프라인을 구축했다.
• WorldArena 챌린지 Track 1 + 두 개 Track 2 애플리케이션을 합쳐서 전체 1위(오픈소스 중)를 달성했다.
• BWM이 생성한 데이터로 훈련한 정책이 실제 로봇에서 71.00% 평균 성공률을 기록했고, 기존 최고 월드 시뮬레이터 대비 53.33%에서 크게 향상됐다.
• 모델 체크포인트, 훈련/추론 코드, 데이터 생성 및 정책 평가 인터페이스를 모두 오픈소스로 공개했다.

논문 링크

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