모듈 5중급17분
행동 복제와 복구 데이터
behavior cloning의 covariate shift를 이해하고 복구 가능한 데이터를 설계한다.
이 레슨을 마치면
- 훈련과 배포의 관측 분포 차이를 설명한다.
- 성공 궤적 외 복구 데이터의 가치를 말한다.
1
작은 오차가 낯선 관측을 만든다
전문가의 정상 경로만 학습한 정책이 배포 중 몇 mm 빗맞히면 훈련에서 드문 장면으로 이동한다. 낯선 장면의 다음 오차가 더 낯선 관측을 만든다.
2
데이터 수집의 목표
- 시작 pose와 조명 다양화
- 실패 직전과 실패 상태 구분
- 살짝 어긋난 상태에서 돌아오는 recovery 예시
- closed-loop 실패 분포를 다음 수집 round에 반영
개수보다 분포
성공 시연 수만 늘리지 말고 정책이 실제로 방문할 상태를 데이터에 포함한다.
장비 없이 먼저 해보기
가상실습
실제 장비의 정밀한 동작을 재현하는 대신, 제어값을 바꾸고 결과를 관찰하는 실습 흐름을 안전하게 연습합니다.
Browser simulation
멀티레이트 센서 시간 정합
서로 다른 주기의 카메라와 관절 상태 메시지를 timestamp 기준으로 짝지어 데이터셋에 넣을지 판단합니다.
실습 과제: offset을 줄이거나 허용 오차를 조절하여 채택률을 높이고, 너무 큰 허용 오차가 데이터 의미를 흐릴 수 있는 이유를 설명해 보세요.
Camera 15 Hztimestamp stream
Joint 50 Hztimestamp stream
image stamp
0.000s
joint stamp
0.042s
현재 Δt
42ms
허용 오차
30ms
정합 판정
폐기
동기화 범위 밖
- ›대기: 허용 오차와 timestamp offset을 비교하세요.
단순화 안내: 지연, 마찰, 백래시, 센서 비선형성 등 실제 장비의 모든 특성을 재현하지 않습니다. 실물 적용 전에는 저속·제한된 작업공간·비상 정지 조건에서 다시 검증하세요.
바로 확인하기
자가 점검
틀려도 괜찮습니다. 해설을 읽고 개념을 다시 연결하는 것이 목표입니다.
자가 점검1 / 2
covariate shift를 줄이는 데 가장 직접적인 데이터는?
답을 선택하거나 입력하면 바로 해설을 확인할 수 있습니다.
레슨을 마쳤나요?
완료 표시 후 다음 작은 단위로 이동하세요.