같은 동작인데 예측이 달라진다면: 로봇 월드 모델의 행동 인코딩 점검
같은 로봇 명령을 절대 목표값과 상대 오프셋으로 적었을 때 월드 모델의 예측이 달라질 수 있다. 짝지은 입력으로 변환과 예측을 점검하는 방법을 살펴본다.
피지컬 AI Lab
사람 영상에서 로봇 정책까지, 오류가 시작된 단계를 찾는 법
사람 영상 기반 로봇 정책이 실패했다면 복원·동작 매핑·정책 학습 중 첫 오류가 생긴 경계를 찾아야 한다. 깨끗한 입력과 손상된 입력을 같은 조건에서 비교하는 방법을 설명한다.
ReKep 제약을 만족했는데 로봇 작업은 왜 실패할까
키포인트 제약 비용이 낮아도 점 추적, 접근 경로, 충돌 정보, 제어 실행에서 실패할 수 있습니다. 처음 어긋난 경계를 찾아보는 방법입니다.
GELLO 리더 장치가 시연 데이터 수집에 맞는 경우
로봇팔과 관절 구조가 맞는 리더는 반복 시연에 도움이 될 수 있습니다. 다만 관절·그리퍼 대응과 지연을 확인하고 합격 회차로 가치를 판단해야 합니다.
TEMPO와 VLA의 시간 맥락: 최신 영상에도 놓치는 이동 정보
최신 영상에도 VLA가 움직이는 표적을 놓친다면 지연만 볼 일이 아닙니다. 이동 방향과 작업 단계의 기록을 분리해 실패 원인을 확인하는 방법을 살펴봅니다.
Figure Index 로봇 학습 데이터: 사람 영상이 가르칠 수 있는 것
Figure Index는 사람 영상 수집을 확장하지만 로봇 학습 가치는 필터링·라벨·기체 신호·접근 범위·평가 증거를 따로 확인해야 한다.
EmbodiedSkills: 스킬 시퀀스 실행에 검증이 더하는 것
EmbodiedSkills의 플래너, 가드 런타임, 검증기 구조를 5,000회 통제 실험의 스킬 시퀀스 실행 결과와 비교해 읽는다.
OAK StereoDepth 깊이값이 0일 때: 무효 픽셀과 근거리 한계 구분하기
OAK StereoDepth의 0은 무효이거나 알 수 없는 깊이다. 모드를 바꾸기 전에 텍스처, 필터링, 가림 일치성, 근거리 기하를 구분한다.
XR-2 학습 데이터: DAgger 성공률 93%를 읽는 법
XR-2의 DAgger 성공률 93%를 해당 실험의 출발점과 비교하고, 시연 시간·교정 궤적 수·실제 공개 기록을 구분해 읽는다.
Robotiq ROS 2 그리퍼 통합 전 호환성 확인법
Robotiq ROS 2 그리퍼를 도입하기 전 배포판별 액션 타입, 제공 모델과 하드웨어 검증 범위, 태그 릴리스와 main 설치 차이를 확인합니다.