연구진은 로봇 공학에서 하위 최적 데이터로부터 모방 학습을 위한 새로운 방법인 Ambient Diffusion Policy를 제안했어요.
이 방법은 노이즈에 따라 하위 최적 데이터 사용을 제한하여 유용한 특징만 추출하고, 기존 방식의 문제점을 개선했어요.
실험 결과, 다양한 하위 최적 데이터 환경에서 기존 방식보다 최대 33% 성능 향상을 보였으며, Open X-Embodiment 데이터셋에서도 효과를 입증했어요.
Ambient Diffusion Policy는 로봇 공학에서 사용 가능한 데이터 소스를 확장하고 하위 최적 데모의 유용성을 높여줘요.