이 데이터 세트는 2025년에 Psi-Robot 팀에서 제작했습니다. 연구 배경은 복잡한 장면에서도 능숙한 파악의 높은 성공률에 대한 필요성에 기반하며, 특히 보이지 않는 물체, 조명 및 배경의 조합에서 90% 이상의 성공률을 달성하는 것이 필요합니다. 관련 논문 결과는 "DexGraspVLA: 일반적인 능숙한 파악을 위한 시각-언어-행동 프레임워크". 이 프레임워크는 사전 훈련된 시각 언어 모델을 고수준 작업 계획자로 사용하고, 확산 기반 전략을 저수준 동작 제어기로 학습합니다. 이 프레임워크의 혁신은 기본 모델을 활용하여 강력한 일반화 기능을 구현하고, 확산 기반 모방 학습을 통해 정교한 동작을 구현하는 데 있습니다. 이는 51개의 인간 시연 데이터 샘플을 포함하는 작은 데이터 세트로, 데이터와 형식을 이해하고, 코드를 실행하여 훈련 과정을 경험하는 데 유용합니다.