Agentic Robot Creation through Generation, Verification, and Revision

이 논문은 상위 수준 의도를 작동하는 로봇으로 만드는 문제를, 몸체 설계와 행동 생성을 함께 다루는 에이전트 프레임워크 RoboForge로 풀었다.

이 논문은 한마디로 과제 명세를 실행 가능한 정책으로 바꾸는 에이전트 프레임워크 RoboForge로 몸체 설계와 행동 생성 양면에서 로봇 생성 능력을 연구한다. 에이전트는 참조 동작을 만들고 학습 목표를 설정해 정책을 훈련하며, 롤아웃 피드백으로 참조 동작과 보상을 되돌아가 고치는 실행 기반 수정 루프를 유지한다. 제작 전 설계를 평가하는 계산 지표로 반복되는 기계적 결함을 드러냈고, 네 로봇에서 실행 기반 수정이 과제 수행과 실행 품질을 향상시켰다. 마지막으로 에이전트가 만든 고릴라 로봇을 실제 제작해 학습된 행동을 물리 로봇에 직접 배포했다.

핵심 요약

• RoboForge는 몸체 설계와 행동 생성 양면을 다루는 에이전트 프레임워크로 참조 동작 생성과 정책 학습, 실행 기반 수정을 이어붙였다.
• 롤아웃 피드백이 참조 동작과 보상을 되돌아가 고치는 루프를 유지해 실행에서 드러난 실패를 반영한다.
• 제작 전 설계를 평가하는 계산 지표가 생성 설계의 반복되는 기계적 결함을 드러냈다.
• Eureka식 보상만 다듬는 기준 대비 전체 평점을 2.10에서 3.97로 올려 구조화된 동작 안내의 가치를 보였다.
• 에이전트가 설계한 고릴라 로봇을 실제 제작해 학습된 행동을 물리 로봇에 직접 배포했다.

논문 링크

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