연구진은 로봇이 스스로 놀이를 통해 재사용 가능한 기술을 학습하는 'Playful Agentic Robot Learning' 방법을 제시했어요. RATs라는 로봇 에이전트 팀을 활용해 새로운 탐색 과제를 제안하고, 실패를 진단하며, 성공적인 실행을 코드 기술 라이브러리에 저장해요.
LIBERO-PRO와 MolmoSpaces 환경에서 실험 결과, 놀이를 통해 학습한 기술은 기존 방식 대비 20.6%와 17.0%의 성능 향상을 보였어요. 기존 모델보다 더 효과적인 기술 습득을 가능하게 해요.
학습된 기술은 다른 로봇 에이전트에 적용 가능하며, RoboSuite와 실제 환경에서의 성능을 각각 8.9%와 8.8% 향상시키는 효과를 보여줬어요. 별도의 파인튜닝 없이도 활용 가능해요.