데이터셋·하드웨어

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.

로봇팔과 관절 구조가 맞는 리더는 반복 시연에 도움이 될 수 있습니다. 다만 관절·그리퍼 대응과 지연을 확인하고 합격 회차로 가치를 판단해야 합니다.

Figure Index는 사람 영상 수집을 확장하지만 로봇 학습 가치는 필터링·라벨·기체 신호·접근 범위·평가 증거를 따로 확인해야 한다.

OAK StereoDepth의 0은 무효이거나 알 수 없는 깊이다. 모드를 바꾸기 전에 텍스처, 필터링, 가림 일치성, 근거리 기하를 구분한다.

XR-2의 DAgger 성공률 93%를 해당 실험의 출발점과 비교하고, 시연 시간·교정 궤적 수·실제 공개 기록을 구분해 읽는다.

Robotiq ROS 2 그리퍼를 도입하기 전 배포판별 액션 타입, 제공 모델과 하드웨어 검증 범위, 태그 릴리스와 main 설치 차이를 확인합니다.

셰플러의 성형 방식 스트레인 웨이브 감속기가 제조 공정을 어떻게 바꾸는지, 공급업체 검증이 뒷받침하는 범위와 2027년 양산 계획의 경계를 살펴봅니다.

공장 로봇 로그의 얼굴만 흐리면 비식별화가 끝나지 않는다. 화면·음성·제품형상·좌표·파일명이 서로 결합해 사람과 시설을 다시 드러낼 수 있어 위험과 학습 유용성을 함께 시험해야 한다.

긴 로봇 작업의 자동 주석은 VLM이 문장을 잘 쓰는지보다 경계·누락·실패·복구를 사람이 재현 가능하게 검수하는지가 중요하다. 원본과 수정 이력을 잇지 못하면 학습 편의가 데이터 계보를 무너뜨린다.

인간 동작을 휴머노이드에 옮기는 일은 관절각 복사가 아니다. 작업 의도를 골격·접촉 표현으로 바꾸고, 로봇의 링크와 자유도에 맞춘 뒤 물리 제약과 실물 피드백으로 다시 고쳐야 한다.