[논문리뷰] EmbodiedSmith: Scaling Embodied Data through Recursive Self-Improvement Flywheel in Simulation본 논문은 로봇 Foundation Model의 학습을 위해 필요한 대규모 embodied 데이터를 효율적으로 확보하는 문제를 다룹니다. 기존 시뮬레이션 기반 데이터 생성 방식은 사전 정의된 에셋과 스킬에 의존하여 다양성이 부족하며, 장면 생성과 작업 생성이 분리되어 있어 복잡한 작업에서 성공률이 낮다는 한계가 있습니다.#Review#Embodied AI#Recursive Self-Improvement#Simulation#Robotic Foundation Models#Task-Conditioned Generation2026년 10월 6일댓글 수 로딩 중
[논문리뷰] Flash-WAM: Modality-Aware Distillation for World Action Models본 논문은 WAM이 manipulation 벤치마크에서 강력한 성능을 보임에도 불구하고, 실시간 제어를 저해하는 높은 inference latency 문제를 해결하고자 합니다. 기존 WAM은 video 및 action denoising에 수십 단계의 반복적인 과정을 거쳐야 하므로 실시간 로봇 제어에 부적합합니다.#Review#World-Action Models#Step Distillation#Consistency Models#Robotic Foundation Models#Flow Matching#Modality-Aware Distillation2026년 6월 4일댓글 수 로딩 중