시연기반학습 (Learning from Demonstration (LfD))
쉽게 풀면
사람이 로봇 팔을 직접 움직여서 원하는 동작을 보여주면, 로봇이 그 동작을 기억해서 스스로 따라 하게 되는 학습 방법입니다. 사람이 로봇 팔을 직접 손으로 움직여 보여주거나 원격 조종하며 시범을 보이면, 로봇이 그 궤적을 데이터로 저장해 스스로 따라 하도록 학습합니다.
왜 중요한가
프로그래밍 대신 사람이 작업을 보여주면 로봇이 이를 일반화해 재현하는 접근으로, 로봇 전문가가 없는 중소 제조업과 가정용 로봇에서 작업을 가르치는 현실적인 수단입니다. 운동 프리미티브 기반 방법에서 대규모 데이터 기반 정책 학습으로 흐름이 이어졌습니다. 강화학습처럼 처음부터 무작위 시행착오를 거치지 않아도 되어, 학습에 필요한 시간과 위험한 시도의 횟수를 크게 줄일 수 있습니다.
논문에서는 이렇게 쓰입니다
실제 작업을 사람이 여러 번 보여주고, 그 궤적들의 공통 패턴을 로봇이 학습해 새로운 상황에서도 비슷한 방식으로 응용할 수 있게 한다는 뜻입니다.
다양한 시연 데이터가 학습된 정책의 일반화 능력을 높인다는 것을 보여 주는 문장입니다.
조금 더 깊게 보면
모방학습과 거의 같은 뜻으로 쓰이지만, 이 용어는 시연을 어떻게 수집하고 분절하며 로봇 신체에 맞게 대응시킬지까지 포함하는 넓은 관점을 강조합니다. 사람 팔과 로봇팔의 구조 차이 때문에 사람 동작을 그대로 옮길 수 없는 대응 문제가 근본적이며, 시연 몇 개로 새 위치와 물체에 일반화하려면 무엇이 작업의 본질이고 무엇이 우연인지 구분하는 것이 핵심 난제입니다. 시연 데이터를 얻는 방식은 사람이 로봇 팔을 직접 손으로 잡고 움직이는 운동감각 시연, 조이스틱 등으로 원격 조작하며 기록하는 방식, 사람의 동작을 영상으로 관찰해 대응시키는 방식으로 나뉘며, 각각 로봇의 동역학과 얼마나 일치하는 데이터를 얻는지가 다릅니다.
주의할 점
시연 횟수가 적거나 시연자의 일관성이 낮으면 학습된 정책의 일반화 성능이 떨어질 수 있습니다.
소수의 시연만으로 학습하면 시연에 포함되지 않은 물체 배치나 초기 조건에서는 일반화 성능이 크게 떨어질 수 있습니다.