연구진이 20억 프레임 규모의 모션 데이터로 훈련한 GPT 스타일 트랜스포머 'Humanoid-GPT'를 공개했어요. 기존 방식 대비 데이터 부족과 일반화 제약 문제를 해결하고, 복잡한 동작 추적과 새로운 모션에 대한 제로샷 일반화 성능을 높였어요. 실험 결과, Humanoid-GPT는 기존 모델보다 뛰어난 성능을 보이며 새로운 성능 기준을 제시했어요.
Humanoid-GPT는 다양한 모션 캡처 데이터와 자체 제작 영상을 통합한 20억 프레임 규모의 데이터셋으로 훈련되었어요. 데이터와 모델 용량을 확장하여 고도로 역동적인 동작을 추적하고, 기존에 없던 모션과 제어 작업에 대한 제로샷 일반화 능력을 확보했어요.
연구 결과, Humanoid-GPT는 복잡한 동작을 추적하면서도 새로운 작업에 대한 제로샷 일반화 능력을 동시에 보여주며, 기존 모델의 한계를 뛰어넘는 성능을 입증했어요.