본 연구는 로봇 제어를 위한 다양한 데이터 소스를 5단계 피라미드로 분류했어요. 실제 로봇 데이터부터 시뮬레이션 데이터까지, 확장성과 로봇 정렬 간의 균형을 고려했죠. 각 데이터 소스의 품질, 다양성, 재사용성, 물리적 충실도를 분석하고, 이를 바탕으로 로봇 제어 모델의 성능과 데이터 구성 간의 연관성을 밝혔어요.
피라미드 구조는 실제 로봇 데이터, UMI 스타일 데이터, 시점 중심/외부 시점 데이터, 시뮬레이션 데이터, 일반적인 시각-언어 데이터로 구성돼요. 각 단계는 데이터 품질과 다양성을 고려하며, 로봇 학습을 위한 데이터 레시피 설계에 중요한 역할을 해요.
향후 과제로는 촉각 데이터셋 구축, 실패/복구 데이터 수집, 데이터 수집 파이프라인 개발, 로봇 간 액션 정렬, 촉각 데이터 활용, 데이터 레시피 설계 등이 제시되었으며, 차세대 로봇 시스템 설계의 기반을 마련하고자 합니다.