모방학습이란 전문가의 시연(demonstration) 데이터로부터 행동 정책을 학습하는 방법론으로, 보상 함수를 명시적으로 정의하지 않고도 기술을 습득할 수 있다는 특징이 있다. 보상 함수 설계가 어렵거나 환경과의 실시간 상호작용 비용이 클 때 활용도가 높다. 행동 복제(Behavioral Cloning)는 상태-행동 쌍을 지도학습으로 직접 모방하지만, 학습 분포에서 벗어난 상태에서 오류가 누적되는 분포 이동(distribution shift) 문제가 발생한다. 이를 완화하기 위해 DAgger처럼 전문가 쿼리를 반복적으로 수집해 온라인으로 데이터를 집계하는 알고리즘이 제안되었다. 로봇 팔이 사람의 텔레오퍼레이션 궤적 수십 건을 학습해 정밀 조립 동작을 재현하는 것이 대표적 응용 사례다. 역강화학습(Inverse Reinforcement Learning)은 시연으로부터 보상 함수 자체를 복원한 뒤 정책을 도출한다는 점에서, 행동을 직접 복제하는 행동 복제와 구별된다.
미국 스타트업 Origami Robotics가 로봇 학습용 데이터 수집 장갑 'S1'을 공개했다. S1은 손가락 관절 20개의 움직임과 손끝·손바닥에 가해지는 압력을 측정한다. 바이올린·피아노·타악기 연주 실험과 카드 섞기·루빅스 큐브 맞추기를 포함한 30가지 고난도 작업을 시험해 다양한 손동작 데이터를 기록할 수 있음을 확인했다.
큐레이터원문이 중간에 끊겨 S1과 자사 로봇손 연동 방식 등 핵심 세부 정보를 확인하기 어렵고, 수집된 데이터가 실제 로봇 동작 학습에 어떻게 적용되는지도 서술되지 않았다.
Former OpenAI science lead launches Warp Science to automate wet labs with robots
Warp Science는 OpenAI 전 수석 과학자가 창업한 스타트업으로, 로봇을 이용해 습식 실험실(wet lab) 작업을 자동화하는 것을 목표로 한다. 회사 소속 화학자들이 카메라와 센서 장갑을 착용한 채 다양한 실험실 작업을 직접 수행하면, 로봇이 이를 학습하는 시연 기반 훈련 방식을 채택한다.
큐레이터시연 기반 모방 학습(imitation learning)은 로봇 조작 연구에서 널리 쓰이는 접근법이지만, 정밀한 피펫팅·원심분리 등 습식 실험실 특유의 작업에 얼마나 적용 가능한지는 원문에서 확인되지 않는다.
로소타(대표 서예찬)는 외과의의 실제 복강경 수술 데이터를 AI가 학습해 이를 실제 로봇의 수술 동작으로 연결하는 전임상 연구 성과를 공개했다. 이번 연구는 수술 장면 영상 자체보다 외과의가 기구를 어떤 방향으로, 얼마만큼, 어떤 방식으로 조작했는지에 초점을 맞췄다. 기존 복강경 수술 영상은 조직과 기구의 움직임을 담고 있지만, 기구의 접근 방향·이동량·조직 조작 방식까지 정밀하게 파악하는 데는 한계가 있다는 문제의식에서 출발했다.
큐레이터본문이 중간에 끊겨 구체적인 방법론, 실험 조건, 성과 수치를 확인할 수 없다. 전임상(preclinical) 단계 결과임을 감안하면 임상 적용 가능성은 아직 독립적으로 검증되지 않았다.
Teaching Robots to Feel with AI Worker Tactile Imitation Learning
AI Worker 로봇에 장착된 이중 HX5-D20 손(각 20자유도, 총 54자유도 행동 공간)으로 중첩 종이컵 분리·적층 작업을 수행하며 세 가지 정책 모델을 비교했다. 각 손끝에 촉각 압력 배열 센서가 내장된 HX5-D20의 특성을 활용해, RGB 카메라와 관절 상태만 사용하는 기준 ACT(행동 청크 변환기), MLP로 손끝 압력 배열을 처리해 입력 토큰으로 추가한 Tactile ACT, 그리고 ViTacFormer를 동일 과제에서 평가했다. 기준 ACT는 접촉력 조절에 실패해 성공률 0%를 기록했으며, Tactile ACT는 파지 안정성을 높여 10%를 달성했으나 두 컵을 동시에 집어 올리는 문제가 남았다. ViTacFormer는 40% 성공률을 기록해, 촉각 정보의 처리 방식이 조작 결과에 큰 차이를 만든다는 점을 보였다.
큐레이터세 모델의 성공률(0%→10%→40%)은 연구팀 자체 실험 결과이며 독립 검증은 이루어지지 않았다. 본문이 ViTacFormer 설명 직전에 잘려 있어 아키텍처의 구체적인 차이는 이 발췌본만으로는 확인할 수 없다.
