연구진이 로봇이 다양한 지시를 따르는 데 필요한 합성 일반화 능력을 진단하는 프레임워크를 개발했어요. 이 프레임워크는 지시 요인 편향을 측정하고, 색상, 동사, 객체, 크기, 공간 속성 등 재사용 가능한 의미 구성 요소를 분석해요.
실험 결과, 색상이 가장 지배적이고 동사와 크기가 가장 부족한 것으로 나타났으며, 편향을 인식한 데이터 수집 전략이 시뮬레이션과 실제 로봇에서 더 나은 성능을 보여줬어요.
기존 방식보다 적은 데모로도 샘플 효율적이고 일반화 가능한 정책 학습이 가능하며, 이는 로봇 조작 분야의 발전에 기여할 것으로 기대돼요.