ReWAM: DINO 기반 월드-액션 모델

요약

출처: arXiv cs.RO · 2026년 9월 30일 공개

연구진은 사전 학습된 DINO 기능을 활용하여 로봇 정책 학습을 개선하는 ReWAM 모델을 제안했습니다. 이 모델은 Feature Calibration과 Temporal Representation Bottleneck을 사용하여 이러한 기능을 동역학 모델링에 적합한 컴팩트한 월드 상태로 조직합니다. Action-Grounded Representation Shaping은 액션 손실 그래디언트를 보틀넥으로 라우팅하여, 정책이 표현을 형성하고 월드 모델이 그 진화를 학습하도록 합니다. 보도에 따르면, ReWAM은 RoboTwin 2.0에서 93.6%의 성공률, RoboDojo에서 평균 점수 12.29와 8.28%의 성공률을 기록했으며, 약 600시간의 임베디드 사전 학습 데이터를 사용했습니다.

의의

월드-액션 모델은 로봇 정책 학습과 미래 관측 예측을 동시에 수행하며, 표현 공간은 제어와 예측 사이의 중요한 인터페이스 역할을 합니다. 기존 접근법은 재구성 충실도나 사전 학습된 지각 기능에 의존하지만, 연구진은 이 중 어느 하나만으로는 효과적인 정책 학습을 보장하지 못한다고 주장합니다. ReWAM은 표현 설계에 초점을 맞추어 DINO 기능을 활용함으로써, 로봇 제어에 더 효과적인 인터페이스를 제공합니다. 이 접근법은 계산 자원이 제한적인 실제 로봇 응용 분야에서 더 효율적이고 확장 가능한 솔루션을 제공할 수 있습니다.

로봇의 해석

ReWAM의 강점은 생성형 비디오 사전 학습 없이도 사전 학습된 DINO 기능을 활용하여 정책 학습을 개선할 수 있다는 점입니다. Feature Calibration과 Temporal Representation Bottleneck의 사용은 표현 설계에 더 구조적이고 효율적인 접근법을 시사합니다. 그러나 평가는 RoboTwin 2.0과 RoboDojo 두 개의 벤치마크에 한정되어 있으며, 모델의 성능이 다른 작업이나 환경으로 일반화되는지는 아직 확인되지 않았습니다. 또한, 약 600시간의 임베디드 사전 학습 데이터에 대한 의존성은 이러한 데이터가 부족한 시나리오에서 적용성을 제한할 수 있습니다. 모델의 강건성과 확장성을 확인하기 위해서는 더 넓은 범위의 작업과 환경에서의 추가 검증이 필요합니다.