정밀한 조작 작업, 예를 들어 케이블 타이를 끼우거나 배터리를 장착하는 등의 작업은 접촉력의 정교한 조율과 반복적인 시각 피드백이 필요하기 때문에 로봇에게 매우 어려운 과제로 알려져 있다. 이러한 작업을 수행하기 위해서는 고성능 로봇, 정밀한 센서, 또는 정교한 캘리브레이션 기술이 필요하며, 이는 비용이 많이 들고 설치가 복잡한 문제가 있다. 그렇다면 학습 기법을 통해 저가형이며 정밀도가 낮은 하드웨어도 이러한 정밀 조작 작업을 수행할 수 있을까? 우리는 사용자 맞춤형 원격 조작 인터페이스를 통해 수집한 실제 예시를 직접 활용하여 엔드투엔드의 애니메이션 학습(imitation learning)을 수행하는 저비용 시스템을 제안한다. 그러나 애니메이션 학습은 고정밀 영역에서 자체적인 도전 과제를 안고 있다. 특히 정책(policy)의 오류가 시간이 지남에 따라 누적될 수 있으며, 인간의 예시는 정적(stationary)이 아닐 수 있다. 이러한 문제를 해결하기 위해 우리는 행동 시퀀스에 대한 생성 모델을 학습하는 간단하면서도 혁신적인 알고리즘인 액션 체닝 앤 트랜스포머(Action Chunking with Transformers, ACT)를 개발하였다. ACT를 통해 로봇은 단 10분 분량의 예시 데이터만으로도 실제 환경에서 6가지 어려운 작업(예: 반투명한 소스통을 여는 것, 배터리를 장착하는 것 등)을 80~90%의 성공률로 학습할 수 있다. 프로젝트 웹사이트: https://tonyzhaozh.github.io/aloha/