NVlabs/ASPIRE

해결하는 문제

ASPIRE는 로봇 학습의 패러다임을 기존의 경사 기반 학습에서 '기술 발견' 및 정교화 과정으로 전환하여 로봇 학습의 난제를 해결합니다. 표준 학습을 통해 모델 가중치를 업데이트하는 대신, 로봇의 지능을 에이전트가 반복적으로 개선할 수 있는 감각운동 기술의 저장소로 취급합니다.

작동 방식

ASPIRE는 코딩 에이전트(Claude Code 또는 Codex 등)를 사용하여 로봇의 학습 과정을 관리합니다. 이러한 에이전트는 반복적인 디버깅 및 진화적 탐색과 같은 특정 '기술'을 활용하여 LIBERO-Pro, Robosuite, BEHAVIOR-1K와 같은 시뮬레이션 환경에서 로봇의 행동을 정교화합니다. 실제 환경의 작업에 대해서는 '시스템 2' 운영자 런북을 사용하여 루빅스 큐브 풀기나 병뚜껑 열기와 같은 복잡한 조작 작업을 에이전트가 수행하도록 안내하며, 언어 모델이 생성한 코드를 통해 파지, 복구 및 검증을 처리합니다.

대상 사용자

이 프로젝트는 로봇 학습을 위한 에이전트 워크플로우에 관심이 있는 로봇 공학 연구자 및 개발자를 위해 설계되었습니다. 대규모의 고정된 데이터셋이나 전통적인 파인튜닝에 의존하지 않고 다양한 작업 전반에서 로봇의 성능을 확장하려는 분들에게 특히 유용합니다.

주요 특징

• LIBERO-Pro 및 BEHAVIOR-1K와 같은 복잡한 벤치마크에서 높은 성공률(최대 99-100%) 달성.
• 장기적인 조작 작업을 위한 신체성 간 시뮬레이션-실제(sim-to-real) 전이 가능.
• 반복적인 디버깅이나 진화적 탐색을 수행하는 코딩 에이전트가 '학습' 과정을 처리하는 에이전트 독립적 프레임워크 구현.
• 컵 쌓기 및 알약 삽입과 같은 작업에 대한 레시피를 포함하여 실제 로봇 조작에 대한 구조화된 접근 방식 제공.