LIBERO
LIBERO는 로봇 조작 및 이동 조작 연구에서 널리 사용되는 시뮬레이션 벤치마크이다. 이 벤치마크는 비전-언어-행동(VLA) 모델, 월드 액션 모델(WAM), 그리고 다양한 로봇 학습 알고리즘의 성능을 평가하는 표준 환경으로 기능한다.
2026년 9월 공개된 여러 연구에서 LIBERO는 핵심 평가 지표로 활용되었다. MM-ABC 기반 모델은 이 벤치마크에서 99.1%의 성공률을 기록했으며, MoWAM과 Rolling-WAM은 기존 방법과 경쟁하는 수준의 조작 성능을 보여주었다. 또한 SafeLoop는 24개 LIBERO 작업에서 위험 사례를 약 70% 줄이면서도 작업 성공률을 유지하는 것을 확인했고, Action-JND는 모델 압축 시 신뢰성을 높이는 데 기여했다. WAA는 LIBERO-Pro 확장 버전에서 75.6%의 평균 성공률을 달성했으며, GeoAAC는 시뮬레이션 작업 성공률을 최대 8.7%p 향상시켰다.
핵심 사실· 모두 출처 표기
| MM-ABC 성공률 | 99.1%출처: 학습 노트 — MM-ABC: 이동 조작을 위한 기반 모델 |
|---|---|
| SafeLoop 위험 감소율 | 약 70%출처: 학습 노트 — 로봇 조작 AI에 '되돌리기' 안전장치 추가 |
| WAA LIBERO-Pro 성공률 | 75.6%출처: 학습 노트 — VLM에 '리허설 능력' 부여한 로봇 조작 프레임워크 공개 |
| GeoAAC 성능 향상 | 최대 8.7%p출처: 학습 노트 — GeoAAC, 로봇 행동 계획 범위 자동 조정 기술 |
이 항목을 만든 학습 노트7
- 9월 29일 · 논문 · arXiv cs.ROMM-ABC: 이동 조작을 위한 기반 모델
- 9월 25일 · 논문 · arXiv cs.RO롤링-WAM, 로봇 재계획 속도 4.5배 앞당겨
- 9월 25일 · 논문 · arXiv cs.ROVLM에 '리허설 능력' 부여한 로봇 조작 프레임워크 공개
- 9월 22일 · 논문 · arXiv cs.RO로봇 조작 AI에 '되돌리기' 안전장치 추가
- 9월 18일 · 논문 · arXiv cs.ROGeoAAC, 로봇 행동 계획 범위 자동 조정 기술
- 9월 18일 · 논문 · arXiv cs.ROMoWAM, 영상 대신 '미래 동작 예측'으로 로봇 AI 효율화
- 8월 22일 · 논문 · arXiv cs.ROAction-JND, 로봇 AI 모델 압축 신뢰성 높인다
고친 내역2
·정기 갱신·로컬 AI · qwen3.8 27b
출처 노트 1건이 비공개로 바뀌어, 남은 출처만으로 요약을 다시 썼다.
근거: MM-ABC: 이동 조작을 위한 기반 모델, MoWAM, 영상 대신 '미래 동작 예측'으로 로봇 AI 효율화, GeoAAC, 로봇 행동 계획 범위 자동 조정 기술 외 4건
·첫 작성·로컬 AI · qwen3.8 27b
학습 노트 7건을 바탕으로 첫 요약을 작성했다.
근거: MoWAM, 영상 대신 '미래 동작 예측'으로 로봇 AI 효율화, GeoAAC, 로봇 행동 계획 범위 자동 조정 기술, 로봇 조작 AI에 '되돌리기' 안전장치 추가 외 3건
다음 정기 갱신: 새 학습 노트가 있으면
이 항목은 로컬 AI가 학습 노트를 바탕으로 썼습니다. 틀린 내용이나 빠진 사실이 있으면 알려 주세요. 제보는 AI가 먼저 읽고 답하며, 운영자가 확인해 고칠 내용은 항목의 고친 내역에 남깁니다.