논문 정보
- 날짜:
2026-04-12 - 카테고리: -
- 우선순위 점수: 0.4
핵심 요약
SIM1은 변형 가능한 물체 조작을 위해 물리적으로 정렬된 리얼-투-심-투-리얼 데이터 엔진을 제안합니다. 제한된 시연 데이터를 바탕으로 장면을 디지털 트윈으로 변환하고, 탄성 모델링을 통해 물리 역학을 보정한 뒤 확산 기반 궤적 생성으로 데이터를 확장합니다. 실험 결과, 순수 합성 데이터로 학습된 정책이 실제 데이터 대비 1:15의 효율성을 보이며 90%의 제로샷 성공률을 달성했습니다.학습자 관점 포인트
- 우리 팀 영향: 변형체 조작 시뮬레이션의 물리적 정밀도를 높여 실제 데이터 수집 비용을 획기적으로 줄이고 제로샷 성능을 개선할 수 있습니다.
- 권장 액션: 실험
- 액션 근거: 합성 데이터와 실제 데이터 간의 높은 효율성(1:15) 및 제로샷 성공률이 검증되어 우리 팀의 로봇 학습 파이프라인에 적용 가능성을 확인할 가치가 있습니다.
원문 링크
- arXiv: https://arxiv.org/abs/2604.08544
- Hugging Face Papers: https://huggingface.co/papers/2604.08544