NVIDIA 연구진, 자기개선형 로봇 학습 ASPIRE 공개

NVIDIA GEAR 연구실과 주요 대학들이 공동 발표한 ASPIRE(Agentic Skill Programming through Iterative Robot Exploration)는 로봇의 지속 학습(Continual Learning)을 위한 새로운 패러다임을 제시합니다.

기존의 VLA(Vision-Language-Action) 모델이 환경 변화에 취약하고, 기존 코드-정책(Code-as-Policy) 방식이 실패 원인을 정밀하게 진단하지 못하는 한계를 극복하기 위해 설계되었습니다.

ASPIRE의 핵심 구성 요소:

• 로봇 실행 엔진: 원시 동작 단위의 세밀한 다중모달 실행 흔적을 제공하여 정밀한 디버깅을 가능하게 합니다.
• 스킬 라이브러리: 검증된 수정 사항을 재사용 가능한 지식으로 저장하여 경험을 축적합니다.
• 진화적 탐색: 다양한 과제 순서와 제어 프로그램을 탐색하며 학습 효율을 높입니다.

이 시스템은 **코디네이터(Coordinator)**와 액터(Actor) 구조를 통해 병렬 학습을 수행하며, 실험 결과 LIBERO-Pro, Robosuite, BEHAVIOR-1K 등 주요 벤치마크에서 기존 방식 대비 최대 77포인트 이상의 성능 향상을 기록했습니다. 또한 시뮬레이션에서 학습된 스킬이 실제 로봇으로도 효과적으로 전이됨을 입증했습니다.