Abstract

● 범용 작업 로봇을 위한 여정

대규모 모델을 활용하여 광범위한 작업에 적용하기 위한 로봇 제어 솔루션 연구는 실제 환경 속 로봇 적용을 크게 앞당기고 있다. 본 발표에서는 이러한 최근 기술적 발전과 이를 극복하기 위한 방법들을 제시하고, 최소한의 감독(supervision)으로 학습 및 적응을 가능하게 하는 자율 학습 에이전트를 통해 다양한 작업을 수행하는 방법에 대해 논의하고자 한다.
특히 △시뮬레이션에서 학습된 정책을 실제 휴머노이드 로봇에 안정적으로 이전 (Sim-to-Real)하기 위한 새로운 방법, △오프라인 데이터 기반 대규모 모델 학습을 통해 다중 작업 수행이 가능한 로봇 학습 방법, △여러 종류의 로봇에 걸쳐 다양한 작업들을 일반화하여 계획할 수 있는 단일 대규모 정책 마련에 대한 최근 성과를 중점적으로 다룰 예정이다.

Biographical Information

• - 2021~현재 캐나다 고등연구소 AI 소장
                             (CIFAR, Canadian Institute for Advanced Research)
                             캐나다 퀘벡 AI연구소 Mila 핵심 연구자
                             캐나다 Université de Montréal 로봇공학 교수
• - 2024~현재캐나다 데이터 활용 연구소
                             (IVADO, Institut de valorisation des données) 교수
• - 2019 캐나다 브리티시 컬럼비아대 박사(컴퓨터 공학)
• - 2014 캐나다 요크대 석사(컴퓨터 공학)
• - 2012 캐나다 요크대 학사(컴퓨터 공학)