LG AI Research 631

최근 AI 연구의 핵심 트렌드로 Physical AI와 Embodied AI가 급부상하며, 로봇 제어의 핵심인 **강화학습(Reinforcement Learning, RL)**의 중요성이 커지고 있다.

기존의 RL은 환경과 직접 상호작용하는 Online RL과 이미 수집된 데이터를 사용하는 Offline RL, 그리고 이 둘을 결합한 Offline-to-Online RL로 발전해 왔다. 하지만 실제 산업 현장의 복잡한 변수를 대응하기에는 기존의 고정된 2단계(Offline → Online) 프로세스만으로는 한계가 있다.

LG AI Research의 Physical Intelligence (PI) Lab은 이러한 한계를 극복하기 위해 Multi-Phase RL 프레임워크를 제안했다. 이는 학습 스타일(Offline ↔ Online)이나 알고리즘(TD3 → SAC 등)을 유연하게 전환하며 최적의 정책을 찾아가는 방식이다.

이와 함께 공개된 RL-Studio는 연구자들이 다양한 학습 단계와 알고리즘 전환을 실험하고 관리할 수 있도록 지원하는 강화학습 실험 플랫폼이다.