AI BriefingLingBot-Touch, MAE와 VAE 대비 recall 성능 우위 입증
Latent prediction beats reconstruction for tactile pretraining on dexterous manipulation tasks[R]
·2026.11.10 03:52
핵심 내용
LingBot-Touch가 재구성 모델 대비 촉각-비디오 recall에서 압도적 우위를 보였다
자세히 보기
- Robbyant이 JEPA 스타일 잠재 예측 방식으로 학습된 자기지도 촉각 인코더 LingBot-Touch를 공개함
- 4K 시간 데이터 기준 JEPA 모델은 top-5 recall 49.3%를 기록한 반면, MAE는 9% 미만, VAE는 3.1%로 나타남
- 재구성 손실이 실제 접촉 특징 학습 없이 근접 영 배경 신호에서 축소되는 문제를 해결함
- 26개 실제 로봇 작업에서 104개 정책 및 작업 조합 중 89개에서 동결된 인코더 특징이 최고 점수를 기록함
- 사전 학습 중 보지 못한 자기장 손에서 LingBot-VLA 모델 사용 시 성능이 57.21에서 75.04로 향상됨
- 희소 신호에서 그래디언트 폭발을 방지하기 위해 300단계에 걸쳐 40%에서 80%로 워밍업하는 마스킹 비율을 적용함
- 자기장, 압저항, 비주얼 촉각 등 3가지 센서 유형이 시간, 손가락, 3D 위치를 위한 5D RoPE를 사용하는 공유 Transformer에 입력됨
이 한국어 요약은 AI가 자동으로 만들었습니다. 원문의 주장과 맥락은 원문에서 확인해 주세요. 저작권은 원저작자에게 있습니다.
