로봇 Foundation Models

1 / 15

100%

왜 왜 로봇에도 Foundation Model이 필요한가? 실무에서 이 개념 없이는 문제를 해결할 수 없습니다. 핵심 동기와 배경을 먼저 이해합시다. 전통적인 로봇 AI는 "하나의 태스크, 하나의 모델"이라는 한계에 갇혀 있었습니다. 컵을 집는 로봇, 서랍을 여는 로봇, 물건을 분류하는 로봇 — 각각 별도의 모델을 처음부터 학습시켜야 했습니다. 이것은 NLP에서 감성분석, 번역, 요약마다 각각 별도의 모델을 만들던 2017년의 상황과 놀랍도록 닮아 있습니다. NLP에서 GPT, BERT 같은 Foundation Model 이 등장하자 "하나의 사전학습 모델 \to 다양한 태스크에 fine-tuning"이라는 패러다임이 확립되었습니다. 이 혁명이 로봇에도 가능할까요? 로봇은 NLP보다 훨씬 더 어렵습니다. 첫째, 데이터가 압도적으로 부족합니다 — GPT-3의 학습 데이터는 수천억 토큰이지만 로봇 조작 데이터는 수십만 에피소드가 전부입니다. 둘째, 물리적 세계는 텍스트보다 다양하고 예측 불가능 합니다. 셋째, 로봇 하드웨어가 제각각이라 하나의 모델이 모든 로봇에서 작동하기 어렵습니다. 이번 레슨에서는 이 도전을 돌파한 RT-1, RT-2, Octo, 그리고 최신 π₀까지의 여정을 따라갑니다.

0:00 / 2:51

이런 분들이 찾고 있어요

이 레슨과 관련된 학습 키워드

CS/AI 전공 대학생

로봇 AI 정리로봇 모방학습robot manipulation 과제

비전공/입문자

Embodied AI란로봇 AI 입문

취준생

로봇 AI 취업robotics 포트폴리오

직장인

로봇 자동화산업용 로봇 AI

대학원생/연구자

VLA 모델 논문robot foundation modelsim-to-real

AI 교육 플랫폼

AI 교육 플랫폼 추천AI 강의 사이트머신러닝 온라인 강의딥러닝 강의 추천

AI 독학/로드맵

AI 독학 방법머신러닝 공부 순서딥러닝 로드맵머신러닝 독학 로드맵

AI 취업/커리어

AI 취업 준비데이터 사이언티스트 강의ML 엔지니어 준비AI 면접 준비