연구진이 로봇 조작의 일반화 성능을 높이는 DAMI(Dynamics-Aware Meta-Imitation) 프레임워크를 제안했어요. 메타 학습을 통해 공유된 기술 공간을 구축하고, 시각-운동 경로(VMT) 모듈을 통해 복잡한 시공간 동역학을 파악해요.
U2T 블록을 통해 비정형 다중 모드 관찰 데이터를 융합하고, TCFM 메커니즘을 통해 3D 특징을 조절해 기존 방식보다 효과적인 일반화를 가능하게 해요.
시뮬레이션과 실제 환경에서 실험한 결과, DAMI는 기존 방식보다 뛰어난 성능을 보였으며, 적은 수의 시도만으로 새로운 작업에 빠르게 적응하는 것을 확인했어요.