← 최신 논문
💻 computer science

RoboCOIN: An Open-Sourced Bimanual Robotic Data Collection for Integrated Manipulation

이 논문은 15 가지의 다양한 로봇 플랫폼과 16 개의 환경에서 수집된 18 만 건 이상의 이손 조작 데이터를 포함하는 대규모 오픈소스 데이터셋 'RoboCOIN' 과 이를 처리하는 파이프라인 'CoRobot' 을 소개하여 이손 로봇 연구의 장벽을 해소하고 모델 성능을 향상시키는 것을 목표로 합니다.

원저자: Shihan Wu, Xuecheng Liu, Shaoxuan Xie, Pengwei Wang, Xinghang Li, Bowen Yang, Zhe Li, Kai Zhu, Hongyu Wu, Yiheng Liu, Zhaoye Long, Runtian Xu, Yue Wang, Chong Liu, Dihan Wang, Ziqiang Ni, Xiang Yang
게시일 2026-04-15
📖 3 분 읽기☕ 가벼운 읽기
CC BY 4.0

원저자: Shihan Wu, Xuecheng Liu, Shaoxuan Xie, Pengwei Wang, Xinghang Li, Bowen Yang, Zhe Li, Kai Zhu, Hongyu Wu, Yiheng Liu, Zhaoye Long, Runtian Xu, Yue Wang, Chong Liu, Dihan Wang, Ziqiang Ni, Xiang Yang, You Liu, Ruoxuan Feng, Lei Zhang, Denghang Huang, Chenghao Jin, Anlan Yin, Xinlong Wang, Zhenguo Sun, Junkai Zhao, Mengfei Du, Mingyu Cao, Xiansheng Chen, Hongyang Cheng, Xiaojie Zhang, Yankai Fu, Ning Chen, Cheng Chi, Sixiang Chen, Huaihai Lyu, Xiaoshuai Hao, Yequan Wang, Bo Lei, Dong Liu, Xi Yang, Yance Jiao, Tengfei Pan, Yunyan Zhang, Songjing Wang, Ziqian Zhang, Xu Liu, Ji Zhang, Caowei Meng, Zhizheng Zhang, Jiyang Gao, Song Wang, Xiaokun Leng, Zhiqiang Xie, Zhenzhen Zhou, Peng Huang, Wu Yang, Yandong Guo, Yichao Zhu, Suibing Zheng, Hao Cheng, Xinmin Ding, Yang Yue, Huanqian Wang, Chi Chen, Jingrui Pang, YuXi Qian, Haoran Geng, Lianli Gao, Haiyuan Li, Bin Fang, Gao Huang, Yaodong Yang, Hao Dong, He Wang, Hang Zhao, Yadong Mu, Di Hu, Hao Zhao, Tiejun Huang, Shanghang Zhang, Yonghua Lin, Zhongyuan Wang, Guocai Yao

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

이 논문은 **'RoboCOIN(로보코인)'**이라는 이름의 거대한 로봇 학습 데이터셋을 소개합니다. 이를 쉽게 이해하기 위해 몇 가지 비유를 들어 설명해 드리겠습니다.

1. 문제: 로봇은 왜 두 손으로 일하는 게 어려울까요?

지금까지 로봇을 가르치려면 각 로봇마다 따로따로 데이터를 모아야 했습니다. 마치 서로 다른 언어를 쓰는 15 명의 선생님이 각자 다른 방식으로 아이를 가르치려 하는 상황과 비슷합니다. 한 선생님은 손가락을 많이 움직여 가르치고, 다른 선생님은 팔만 움직여 가르칩니다. 이렇게 가르침이 제각각이라 로봇들이 서로의 기술을 배우거나 새로운 상황에 적응하기가 매우 어려웠습니다.

2. 해결책: RoboCOIN (로보코인) 이란 무엇인가요?

이 연구팀은 **15 가지 서로 다른 로봇 (양팔 로봇, 반인간형 로봇, 휴머노이드 등)**을 모아, 18 만 개 이상의 고화질 작업 영상을 수집했습니다. 이를 **'로보코인'**이라고 이름 붙였습니다.

  • 비유: imagine(상상해 보세요) 거대한 **'로봇 요리 학교'**가 생겼다고요. 이 학교에는 15 가지 다른 스타일의 주방 (다양한 로봇) 이 있고, 18 만 개의 레시피 (데이터) 가 있습니다.
  • 특징: 이 레시피는 단순히 "요리해라"라고만 하는 게 아니라, **16 가지 다른 환경 (부엌, 공장, 사무실 등)**에서 421 가지의 구체적인 작업 (과일을 바구니에 담기, 옷 개기 등) 을 수행하는 과정을 담고 있습니다.

3. 핵심 기술: '계층적 능력 피라미드' (Hierarchical Capability Pyramid)

이 데이터의 가장 큰 장점은 정보를 **세 가지 층위 (피라미드)**로 나누어 정리했다는 점입니다.

  1. 탑 (Trajectory Level - 전체 흐름): "오늘은 과일을 바구니에 담는 날이야"라고 큰 그림을 설명합니다. (상황 인식)
  2. 중간 (Segment Level - 단계별 작업): "먼저 오른손으로 바구니를 잡고, 왼쪽 손으로 과일을 집어 올려라"처럼 작업의 단계를 나눕니다. (계획 수립)
  3. 밑 (Frame Level - 프레임 단위): "손을 천천히 아래로 내리고, 그립퍼는 닫아라"처럼 매 순간의 미세한 움직임을 설명합니다. (정밀 제어)
  • 비유: 요리 레시피를 생각해보세요.
    • 탑: "파스타를 만들어라."
    • 중간: "물을 끓이고, 면을 넣고, 소스를 발라라."
    • 밑: "불을 10 분간 켜고, 소금 3g 을 넣고, 스푼으로 저어라."
      이 세 가지를 모두 함께 가르치니까 로봇이 훨씬 똑똑하게 일할 수 있습니다.

4. 데이터 청소 도구: 'CoRobot'과 'RTML'

수집된 데이터 중에는 실수가 많거나 엉망인 영상도 있을 수 있습니다. 연구팀은 **'RTML'**이라는 스마트 필터를 개발했습니다.

  • 비유: 요리사가 요리를 할 때, 너무 빨리 움직이거나 물건을 떨어뜨리는 실수를 하면 **'RTML'**이 "이건 너무 빨라요! 다시 해주세요"라고 경고합니다.
  • 이 필터를 통해 나쁜 데이터 35% 를 걸러내고, 좋은 데이터만 남겼더니 로봇의 실력이 2 배 이상 향상되었습니다.

5. 결과: 로봇이 얼마나 똑똑해졌나요?

이 데이터를 이용해 로봇을 훈련시켰더니 놀라운 결과가 나왔습니다.

  • 새로운 로봇도 잘함: 한 로봇에서 배운 기술을 다른 로봇에게 바로 적용해도 잘 작동했습니다. (예: A 로봇이 배운 '컵 옮기기'를 B 로봇이 그대로 따라 함)
  • 어려운 일도 가능해짐: 두 손이 동시에 움직여야 하는 복잡한 작업 (예: 냄비 두 손으로 들어 올리기) 에서 성공률이 75%~200% 이상이나 올랐습니다.
  • 실수 줄임: 빛이 어둡거나 배경이 바뀌는 등 예상치 못한 상황에서도 잘 대처하게 되었습니다.

요약

RoboCOIN은 다양한 로봇들이 서로의 기술을 공유하고, 세부적인 단계까지 꼼꼼하게 가르쳐주는 거대한 로봇 학습 도서관입니다. 이를 통해 로봇들은 이제 단순한 기계가 아니라, 두 손으로 복잡한 일을 척척 해내는 똑똑한 도우미로 성장할 수 있게 되었습니다.

이 연구는 로봇이 우리 일상 (집안일, 공장 작업 등) 에 더 자연스럽게 들어올 수 있는 중요한 디딤돌이 될 것입니다.

연구 분야의 논문에 파묻히고 계신가요?

연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.

Digest 사용해 보기 →

유사한 논문

이 카테고리 전체 보기 💻 cs →