※ 기관로그인 시 무료 이용이 가능합니다.
※ 학술발표대회집, 워크숍 자료집 중 4페이지 이내 논문은 '요약'만 제공되는 경우가 있으니, 구매 전에 간행물명, 페이지 수 확인 부탁 드립니다.
4,000원
원문정보
초록
한국어
로봇 중심 피지컬 AI는 상태–행동–결과가 연속적으로 연결된 시계열 데이터를 기반으로 학습하며, 대규모 demonstration 및 teleoperation 데이터 축적을 전제로 한다. 최근 RoboNet, Open X-Embodiment와 같은 대규모 로봇 데이 터셋 구축 사례는 데이터 규모가 로봇 학습 성능을 결정하는 핵심 요소임을 보여준다 [3], [7]. 또한 Vision-Language- Action 모델은 웹 규모 지식을 로봇 제어로 전이하는 방향으 로 발전하고 있다 [4]. 그러나 실제 산업 현장에서는 여전히 파일 중심 저장과 사후 품질검증에 의존하는 구조가 일반적이며, 이는 대규모 로봇 학습 환경에서 비용 증가와 운영 병목을 초래한다. 본 논의는 실제 구현된 로봇 데이터 운영 플랫폼을 사례로, 조직–프로젝 트–Task–에피소드 단위 계층 구조와 역할 기반 워크플로우, 자동 QC 통합 구조를 분석하고 그 산업적 의미를 고찰한다
목차
Abstract Ⅰ. 서론 Ⅱ. 본론 1. 배경: 로봇 데이터 환경의 구조적 변화 2. 기존 문제: 운영 구조의 병목 3. 플랫폼 소개: 로봇 데이터 운영 구조의 재설계 4. 기대 효과 Ⅲ. 결론 Acknowledgement References