연구팀이 LeHome Challenge 2026에서 옷 접기 로봇 솔루션을 개발해 온라인 부문 1위, 오프라인 부문 2위를 차지했어요. 이 로봇은 시각-언어-행동(VLA) 정책을 강화 학습으로 개선해 옷 접기 작업을 수행해요. 네트워크는 행동 예측과 더불어 성공, 진행 상황, 미래 관련 요소를 예측하여 성능을 높였어요.
연구팀은 AWR + RECAP 결합, 분산 학습 파이프라인, Thompson sampling, 시뮬레이션-실세계 전환 기법 등 다양한 기술을 융합했어요. Hugging Face Hub를 활용한 비동기 분산 학습 파이프라인과 추론 시간 하이퍼파라미터 최적화 기법도 적용됐어요.
카메라 정렬 도구, 증강, HIL 데이터 수집을 통해 시뮬레이션 환경과 실제 환경 간 격차를 줄여 로봇의 성능을 향상시켰으며, 실시간 오류 감지 기능도 구현됐어요.