답변게시됨16 소스
로봇 한 대의 성공 경험, 동료들의 다음 성공으로
집단 경험 학습(CEL)은 현장에 배치된 로봇들의 경험을 모아 공통 정책을 개선하는 방식으로, 매번 새로운 전문가 시범을 받아야 하는 부담을 줄이려 합니다. FERT는 실패 상황을 단서로 관련 성공 사례를 찾아 학습에 활용하고, FATS는 여러 로봇이 동시에 움직이는 환경에서 비동기·내결함 학습을 지원하도록 설계됐습니다.
게시자GPT-6 Luna로 편집GPT Image 2로 이미지 생성
연구 답변
주요 시사점
- 집단 경험 학습(CEL)은 현장에 배치된 로봇들의 경험을 모아 공통 정책을 개선하는 방식으로, 매번 새로운 전문가 시범을 받아야 하는 부담을 줄이려 합니다.
- FERT는 실패 상황을 단서로 관련 성공 사례를 찾아 학습에 활용하고, FATS는 여러 로봇이 동시에 움직이는 환경에서 비동기·내결함 학습을 지원하도록 설계됐습니다.
- 연구진은 5개 작업에서 최대 96대 로봇을 시험했으며, 공개된 성과는 연구팀이 보고한 결과로 독립적인 재현과는 구분해 봐야 합니다.
AI 프롬프트
openai.comCreate a landscape editorial hero image for this Studio Global article: What is Collective Experience Learning (CEL), proposed by Tsinghua University, Infinigence AI and AgiBot and described in an Infinigence AI–. Article summary: Collective Experience Learning (CEL) is a fleet-learning approach in which deployed robots share real-world execution experience to improve a common policy, rather than relying on fresh human demonstrations for every imp. Topic tags: general, academic, education, general web, documentation. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, waterm
로봇이 작업에 실패했을 때, 매번 사람이 옆에서 동작을 고쳐 주는 대신 다른 로봇이 비슷한 상황에서 성공한 기록을 찾아 배울 수 있을까. 칭화대, 무원심궁(Infinigence AI), 애지봇(AgiBot)이 제안한 ‘집단 경험 학습(Collective Experience Learning·CEL)’은 로봇 여러 대의 실제 작업 경험을 모아 공통 정책을 개선하는 접근법입니다. 연구진은 최대 96대 로봇으로 이를 시험했다고 밝혔습니다. 1
9
사람의 시범만으로는 어려운 확장
로봇은 사람의 시범을 따라 하거나, 실패할 때 사람이 직접 수정해 주는 방식으로 배울 수 있습니다. 하지만 로봇이 많이 배치될수록 매번 전문가가 새 행동을 보여 주고 오류를 바로잡기는 어렵습니다. CEL은 이 학습 부담의 일부를 로봇끼리 나누려 합니다. 한 로봇의 유용한 성공 사례를 다른 로봇도 학습 자료로 활용하는 방식입니다. 사람의 역할을 없애기보다, 매번 새로운 전문가 입력에 의존하지 않고 개선할 길을 찾는 것입니다. 1
실패는 찾고, 성공은 학습한다
CEL의 핵심 알고리즘은 ‘실패 유도 경험 검색 미세조정(Failure-guided Experience Retrieval Fine-tuning·FERT)’입니다. 로봇이 실패한 상황의 맥락을 이용해 공유된 성공 궤적 가운데 관련 있는 구간을 찾고, 그 구간에 기록된 동작을 정책 업데이트에 활용합니다. 실패 기록은 어디를 살펴볼지 알려주는 단서가 되고, 성공 기록은 학습할 동작의 예시가 됩니다. 4
13
이 방식은 여러 단계가 이어지는 조작 작업에서 특히 의미가 있습니다. 작업이 끝난 뒤 ‘성공’ 또는 ‘실패’라는 결과만 받으면, 그 정보만으로는 어느 단계가 문제였는지 알기 어렵습니다. FERT는 실패 상황과 비슷한 맥락의 성공 사례를 연결해 학습에 활용합니다. 다만 이 방식만으로 실패를 일으킨 정확한 동작이 무엇인지 입증하는 것은 아닙니다.
연구진은 또 여러 로봇이 항상 동시에 접속해 있지 않은 상황을 고려한 ‘내결함 비동기 학습 시스템(Fault-Tolerant Asynchronous Training System·FATS)’을 설명합니다. 보고된 자료에는 로봇 22대에 걸쳐 장애 30건이 발생했고, 로봇 가동 시간의 1.3%가 손실됐다는 수치가 담겼습니다. 이는 보고된 시스템 성능을 나타내는 수치이며, 장애 복구나 데이터 업로드 방식의 세부 사항을 각각 독립적으로 입증하는 것은 아닙니다. 8
5개 작업에서 보고된 결과
평가에는 꽃꽂이, 옷 접기, 휴대전화 충전, 의자 조립, 휴대전화 포장 등 다섯 가지 조작 작업이 포함됐습니다.
- 학습에 참여하지 않은 로봇의 성과: 훈련에 참여하지 않은 로봇 2대가 600회 시험에서 585회 성공하고 15회 실패해, 전체 성공률 97.5%를 기록했습니다. 연구팀은 다섯 작업 모두에서 로봇의 결과가 작업자 6명의 평균을 웃돌았다고 보고했습니다. 이는 해당 실험 작업 안에서의 비교이지, 로봇이 사람보다 전반적으로 뛰어나다는 뜻은 아닙니다.
- 휴대전화 포장: 성공률은 79.2%에서 98.3%로 높아졌습니다. 평가 내용에는 훈련에 참여하지 않은 로봇 2대의 시험 120회가 포함됐습니다.
7
- 로봇 수와 학습 성과: 동일한 실제 학습 시간 조건에서 로봇 수를 16대에서 96대로 늘렸을 때, 보고된 성공률은 86.7%에서 98.3%로 올랐습니다. 더 많은 로봇이 같은 시간 동안 더 많은 경험을 보탤 수 있다는 가능성을 보여 주지만, 로봇 수가 늘면 언제나 같은 폭으로 성과가 오른다고 보장하는 결과는 아닙니다.
의미 있는 초기 결과, 남은 검증 과제
CEL의 요점은 실패 사례로 개선이 필요한 상황을 찾고, 로봇 집단이 축적한 성공 사례를 학습에 활용하는 것입니다. FERT는 이 경험 검색과 정책 업데이트를 맡고, FATS는 비동기·내결함 학습을 뒷받침하는 시스템으로 제시됐습니다. 훈련에 참여하지 않은 로봇까지 포함한 다섯 작업의 결과는 가능성을 보여 주는 초기 근거입니다. 13
다만 성과 수치는 연구팀이 보고한 결과이며, 독립적인 재현 결과와는 구분해야 합니다. 이번 평가는 제시된 실험 설정에서의 성능을 보여 줄 뿐, 다른 로봇이나 작업, 현장 조건에서도 같은 수준으로 적용될지는 아직 확정하지 않습니다.
Studio Global AI
연구를 계속하세요
이 페이지에는 Studio Global 내에서 계속할 수 있는 소스 기반 답변이 포함되어 있습니다.
사람들은 또한 묻습니다.
"로봇 한 대의 성공 경험, 동료들의 다음 성공으로"에 대한 짧은 대답은 무엇입니까?
집단 경험 학습(CEL)은 현장에 배치된 로봇들의 경험을 모아 공통 정책을 개선하는 방식으로, 매번 새로운 전문가 시범을 받아야 하는 부담을 줄이려 합니다.
먼저 검증할 핵심 포인트는 무엇인가요?
집단 경험 학습(CEL)은 현장에 배치된 로봇들의 경험을 모아 공통 정책을 개선하는 방식으로, 매번 새로운 전문가 시범을 받아야 하는 부담을 줄이려 합니다. FERT는 실패 상황을 단서로 관련 성공 사례를 찾아 학습에 활용하고, FATS는 여러 로봇이 동시에 움직이는 환경에서 비동기·내결함 학습을 지원하도록 설계됐습니다.
실무에서는 다음으로 무엇을 해야 합니까?
연구진은 5개 작업에서 최대 96대 로봇을 시험했으며, 공개된 성과는 연구팀이 보고한 결과로 독립적인 재현과는 구분해 봐야 합니다.