Action Chunking Transformer(ACT)의 핵심 개념 이해

Action Chunking Transformer(ACT)는 로봇의 모방 학습에서 발생하는 고질적인 문제인 복합 오류(Compounding Error)를 해결하기 위해 고안된 혁신적인 아키텍처이다. 기존의 행동 복제 방식이 매 프레임마다 단일 동작만을 예측하여 작은 실수가 실행 과정에서 눈덩이처럼 불어나는 한계가 있었다면, ACT는 한 번에 미래의 여러 동작 시퀀스를 '청크' 단위로 예측하여 실행의 안정성과 일관성을 확보한다.

이 모델은 Transformer 기반의 Conditional Variational Autoencoder(CVAE) 구조를 채택하여 카메라 이미지와 로봇의 관절 상태 같은 멀티모달 데이터를 통합적으로 처리한다. CVAE를 통해 인간 시연 데이터에 포함된 미세한 움직임의 차이를 확률적으로 학습함으로써, 로봇이 단순히 동작을 흉내 내는 것을 넘어 복잡한 환경 변화에도 유연하게 대응할 수 있게 한다.

결과적으로 ACT는 세탁물 접기나 요리와 같이 고도의 정밀함과 연속적인 판단이 필요한 이족/다관절 로봇의 조작 작업 성능을 획기적으로 향상시켰다. 이는 저비용 하드웨어에서도 정교한 작업을 수행할 수 있는 가능성을 열어주었으며, 현대 로봇 학습 알고리즘의 핵심 표준 중 하나로 자리 잡고 있다.