Sim-to-Real Gap
시뮬레이션에서 학습한 로봇 정책이 현실 환경에서 성능 저하를 보이는 차이
#Sim-to-Real Gap#sim-to-real#시뮬레이션-현실 격차#합성 데이터 전이#도메인 랜덤화
Sim-to-Real Gap이란?
Sim-to-Real Gap은 시뮬레이터에서 잘 동작하던 로봇 제어 정책이 실제 현장으로 옮겨졌을 때 성능이 떨어지는 현상을 뜻합니다. 센서 노이즈, 물리 모델 오차, 예상치 못한 환경 변수가 주된 원인입니다.
왜 중요한가요?
로봇 학습 비용을 줄이기 위해 시뮬레이션 기반 학습이 확대되고 있지만, 이 격차를 줄이지 못하면 실제 배포에서 안전성과 생산성이 급격히 낮아질 수 있습니다.
어떻게 줄이나요?
도메인 랜덤화, 현실 데이터로의 후속 파인튜닝, 시뮬레이터 물리 정확도 개선, 배포 전 단계적 검증 절차를 조합해 격차를 완화하는 방식이 일반적입니다.
관련 용어
AI 인프라/모델 최적화
레이트 리미팅 (Rate Limiting)
짧은 시간에 과도한 요청이 몰릴 때 API 호출량을 제한하는 제어 기법
AI 인프라/모델 최적화
로봇 파운데이션 모델 (Robot Foundation Model)
대규모 로봇 데이터와 멀티모달 입력으로 사전 학습되어 다양한 물리 작업에 전이 가능한 범용 로봇 AI 모델
AI 인프라/모델 최적화
모델 증류 (Model Distillation)
대형 모델의 출력 신호를 활용해 더 작은 모델을 학습시키는 경량화 기법
AI 인프라/모델 최적화
버텍스 AI (Vertex AI)
Google Cloud에서 제공하는 기업용 머신러닝·생성형 AI 통합 플랫폼
AI 인프라/모델 최적화
벡터 데이터베이스 (Vector DB)
AI 임베딩 벡터를 저장하고 유사도 기반으로 검색하는 전문 데이터베이스
AI 인프라/모델 최적화
손재주 (Dexterity)
로봇이 다양한 물체를 정밀하고 안정적으로 조작하는 능력