📃FlashDexRetarget 리뷰

dexterity

retargeting

motion-tracking

off-policy

FlashDexRetarget: Accelerating Dexterous Manipulation Data Generation through Multi-Motion Retargeting

Published

October 7, 2026

Paper Link (arXiv:2610.01849v2)
Code (GitHub, MIT): 학습기는 서브모듈 Holiday-Robot/rsl_rl_flashsac. 모션 데이터·MANO는 포함되지 않는다.
Project
Kyungmin Lee*, Sibeen Kim*, Dongyoon Hwang*, Yoonsang Oh*, Donghu Kim, Youngdo Lee, I Made Aswin Nahrendra, Jaegul Choo†, Hojoon Lee† (* 동등 기여, † 교신저자)
KAIST AI · Holiday Robotics
arXiv preprint, 2026 (v1 2026-10-01, v2 2026-10-04. 이 리뷰는 v2 기준이며 학회 채택 정보는 없다)

💡 사람 손-물체 시연을 로봇 손 궤적으로 옮기는 물리 기반 리타게팅은 지금까지 시연 하나에 최적화(또는 정책) 하나라서 비용이 시연 수에 선형으로 늘었는데, FlashDexRetarget은 이를 여러 시연을 한 정책이 동시에 추종하는 multi-reference tracking으로 바꿔 학습 비용을 데이터셋 전체에 분할 상환한다.
⚙️ 물체 점군·SDF 거리 관측과 미래 K=10 프레임 인코딩으로 시연을 구분하고, 점군 대응점 기반 물체 추종 보상과 “사람 손끝보다 멀어지지만 마라”는 단방향 거리 보상을 쓰며, 손별(左/右) actor-critic을 replay 50M·critic 폭 1024로 키운 FlashSAC으로 학습한다.
🎯 TACO·OakInk2·HOT3D 50개 모션, XHand에서 \mathrm{SR}_{\mathrm{SPIDER}} 0.90을 29 GPU-h로 달성해 CHORD 공개 구현(0.46, 2,847 GPU-h) 대비 약 98배 적은 연산을 썼다. 1,000개 모션으로 키우면 60 GPU-h 안에 600개 이상을 변환한다(Fig. 5).

🔍 Ping Review

🔍 Ping — A light tap on the surface. Get the gist in seconds.

사람이 물체를 다루는 모캡 데이터(TACO·OakInk2·HOT3D 등)는 손재주 로봇 학습의 값싼 원천이지만, 사람 손 궤적은 로봇이 그대로 실행할 수 없다. 그래서 시뮬레이터 안에서 로봇 손이 자기 접촉으로 물체를 시연대로 움직이게 만드는 물리 기반 리타게팅이 필요하다. 기존 방법은 크게 두 갈래다. SPIDER·Do as I Do처럼 시뮬레이션 롤아웃으로 행동 시퀀스를 샘플링 탐색하는 쪽과, ManipTrans·DexMachina·CHORD처럼 시연 하나마다 추종 정책을 RL로 학습하는 쪽이다. 둘 다 시연마다 처음부터 다시 최적화하므로 데이터셋이 커질수록 비용도 그대로 커진다.

FlashDexRetarget은 휴머노이드 모션 추종(SONIC)에서 효과를 본 multi-reference tracking을 손재주 조작에 가져온다. 시연 집합 전체에서 참조 궤적을 뽑아 병렬 환경에 나눠 주고, 참조 조건부 정책 하나를 모든 시연에 대해 함께 학습한다. 학습 중 성공한 롤아웃은 그때그때 로봇 데이터로 저장된다. 핵심 질문은 “한 정책이 물체 모양도, 손-물체 배치도, 양손 역할도 다른 수십~수천 개 시연을 동시에 배울 수 있는가”이고, 저자들은 관측·보상·구조·학습기 네 군데를 손봐서 그렇다고 답한다.

개요(Fig. 1): 왼쪽은 N개 참조 모션, 가운데는 시연마다 정책 N개를 두는 기존 방식과 대비되는 단일 정책 FlashDexRetarget, 오른쪽은 XHand 50모션 벤치마크의 성공률(SR_SPIDER)과 총 GPU 시간(로그 축). CHORD 점은 PPO로 학습하는 공개 구현으로 얻은 값이라고 캡션이 밝힌다.

공식 보충 영상(프로젝트 페이지 호스팅, 약 32MB).

핵심 방법론:

데이터셋 \mathcal{D}=\{\tau_i^{\mathrm{ref}}\}_{i=1}^{N}의 참조 궤적을 병렬 환경에 배정하고, 정책은 현재 상태와 다음 참조 상태를 함께 받는다(Eq. 2).

\mathbf{s}_{i,t}=\bigl(\mathbf{s}^{\mathrm{cur}}_{t},\,\mathbf{s}^{\mathrm{ref}}_{i,t+1}\bigr),\qquad \mathbf{a}_t\sim\pi_\theta(\cdot\mid\mathbf{s}_{i,t})

참조 입력에는 다음 프레임 상태와 함께 t+1\ldots t+K (K=10) 미래 참조를 손목 좌표로 표현해 128차원으로 압축한 \mathbf{z}^{\mathrm{ref}}_{i,t+1}=\mathrm{Enc}_\psi(\mathbf{x}^{\mathrm{ref}}_{i,t+1:t+K})가 들어간다. 보상은 손별로 정의한다(Eq. 5).

r_t^h=w_{\mathrm{obj}}\,r_t^{\mathrm{obj},h}+w_{\mathrm{int}}\,r_t^{\mathrm{int},h}+w_{\mathrm{track}}\,r_t^{\mathrm{track},h}+w_{\mathrm{reg}}\,r_t^{\mathrm{reg},h}

물체 추종 r^{\mathrm{obj}}는 반지름 \rho=0.058 m로 정규화한 물체 표면 128점의 대응점 오차 중 최악 3개의 평균에 \exp(-e/0.1)을 씌운다. 상호작용 보상 r^{\mathrm{int}}는 로봇 손끝의 SDF 거리 d^{(f)}가 사람 손끝 거리 d^{\mathrm{ref},(f)}를 넘는 만큼만 벌한다(Eq. 7).

\epsilon^{(f)}_{h,t}=\max\bigl(0,\;d^{(f)}_{h,t}-d^{\mathrm{ref},(f)}_{h,t}\bigr),\qquad r^{\mathrm{int},h}_t=\frac{1}{5}\sum_{f=1}^{5}\exp\bigl(-\epsilon^{(f)}_{h,t}/0.01\bigr)

양손은 각자 actor-critic 쌍을 두되 둘 다 전체 관측을 본다. 학습기는 off-policy인 FlashSAC이고, replay buffer를 10M→50M, critic 은닉 폭을 256→1024로 키웠다.

주요 결과:

XHand(50모션): \mathrm{SR}_{\mathrm{SPIDER}} 0.90 / \mathrm{SR}_{\mathrm{MT}} 0.86 / 29 GPU-h. CHORD 0.46 / 0.00 / 2,847, DexMachina 0.48 / 0.12 / 447, Do as I Do 0.36 / 0.00 / 66 (Table I).
Sharpa Wave Hand: 0.86 / 0.80 / 44 GPU-h. CHORD 0.50 / 0.00 / 3,314, Do as I Do 0.64 / 0.10 / 62.
어블레이션(Fig. 3, \mathrm{SR}_{\mathrm{MT\text{-}Obj}} 누적, 300M step): PPO는 거의 0, 기본 FlashSAC 약 34%, +큰 buffer 약 60%, +큰 critic 86%. 학습기 쪽 효과가 가장 크다.
스케일링(Fig. 5): 200 / 500 / 1,000 모션 집합에서 같은 GPU 시간 동안 더 큰 집합이 더 많은 궤적을 변환한다(1,000모션은 60 GPU-h에 600개 이상).
실세계: 성공 궤적 3개(닦기·붓기·뚜껑 닫기)를 로봇 팔+XHand에서 재생(Fig. 4, 정성적).

결론:

새로운 것은 개별 보상 항보다 문제 설정의 전환이다. 리타게팅을 “시연별 최적화”가 아니라 “참조 조건부 정책 하나의 학습”으로 보고, 그 정책을 데이터 생성기로만 쓴다(성공 롤아웃을 저장하고 정책 자체는 배포하지 않는다). 다만 헤드라인 “약 100배”는 PPO로 도는 CHORD 공개 구현과의 비교이고, 저자 자신의 어블레이션에서 PPO가 같은 설정에서 거의 0이라는 점을 함께 읽어야 한다. 아래 Ring에서 이 비교가 실제로 무엇을 재는지 따져 본다.

🔔 Ring Review

🔔 Ring — An idea that echoes. Grasp the core and its value.

한 줄로 시작하면

FlashDexRetarget의 통찰은 “리타게팅의 산출물은 정책이 아니라 궤적이다”를 끝까지 밀어붙인 데 있다. 궤적만 필요하다면 시연마다 정책을 따로 학습해 버릴 이유가 없다. 한 정책이 데이터셋 전체를 함께 추종하도록 학습하고, 학습 도중 어느 시점이든 어떤 시연이 한 번 성공하면 그 롤아웃을 저장하고 체크 표시를 하면 된다. 이 관점에서는 정책의 최종 일반화 성능도, 단일 시연의 수렴 속도도 아닌 “GPU 시간당 변환된 시연 수”가 목적 함수가 된다. 나머지 설계(미래 참조 인코딩, 점군 보상, 손별 critic, 큰 replay)는 모두 “한 정책이 넓은 상태 분포를 감당하게 만드는” 보조 장치다.

배경: 왜 손재주 리타게팅은 비싼가

사람 손-물체 데이터셋(DexYCB·GRAB·OakInk·HOI4D·HOT3D·TACO·OakInk2·ARCTIC·GigaHands)은 이미 크다. 문제는 사람 손과 로봇 손의 형태가 다르다는 것이다. 논문은 UniDex·VideoManip 같은 기구학적 리타게팅이 접촉을 사후에 기하학적으로 맞출 뿐이라서, 그 궤적을 실행해도 시연된 물체 운동이 재현된다는 보장이 없다고 지적한다(§II-A). 그래서 시뮬레이터에서 로봇이 실제로 물체를 밀고 쥐어 같은 물체 궤적을 만들어 내는 물리 기반 리타게팅이 필요하다.

물리 기반 방법은 두 계열이다(§II-B).

계열	대표	시연 하나를 어떻게 푸는가	비용 구조
샘플링 기반	SPIDER, Do as I Do	가상 힘으로 유도한 annealed sampling으로 행동 시퀀스를 직접 탐색	시연마다 탐색. 고차원 행동·긴 접촉 시퀀스에서 유한 예산 내 성공이 어렵다
RL 기반	ManipTrans, DexMachina, CHORD	시연마다 폐루프 추종 정책을 학습(잔차 학습, 물체 보조 감쇠, contact wrench 유도 등)	시연마다 학습. 성공률은 높지만 학습비가 시연 수에 선형
multi-reference (본 논문)	FlashDexRetarget	참조 조건부 정책 하나를 전체 시연에 대해 학습	학습비를 데이터셋 전체에 분할 상환

multi-reference 추종은 휴머노이드 전신 모션에서는 이미 효과가 입증됐다(SONIC). 저자들은 손재주 조작이 추가로 네 가지 어려움을 갖는다고 정리한다(§I). ① 시연마다 물체 모양과 손-물체 배치가 달라 정책이 상호작용 기하를 구분해야 한다. ② 모캡으로 잡은 시연조차 접촉 오차가 있어 정확한 접촉 일치를 요구하면 불안정하다. ③ 여러 시연을 섞으면 상태 분포가 넓어져 모델 용량과 경험 재사용이 더 중요해진다. ④ 양손 시연에서는 두 손의 역할(주동·보조)이 달라 학습 신호가 비대칭이어야 한다. 이후 §III의 네 설계가 이 네 문제에 1:1로 대응한다.

방법 상세

정식화 (§III 서두)

데이터셋 \mathcal{D}=\{\tau^{\mathrm{ref}}_i\}_{i=1}^{N}, \tau^{\mathrm{ref}}_i=\{\mathbf{s}^{\mathrm{ref}}_{i,t}\}_{t=1}^{H_i}의 각 상태는 사람 손 상태와 물체 자세를 담는다(Eq. 1). 학습 중에는 참조 궤적을 \mathcal{D}에서 뽑아 병렬 환경에 배정하고, 정책은 \mathbf{s}_{i,t}=(\mathbf{s}^{\mathrm{cur}}_t,\mathbf{s}^{\mathrm{ref}}_{i,t+1})를 받아 행동을 낸다(Eq. 2). 단일 참조 RL과 다른 점은 참조 인덱스 i가 관측에 들어간다는 것, 즉 정책이 어떤 시연을 추종 중인지를 관측으로 알아내야 한다는 것뿐이다.

관측: 기하와 상호작용을 보이게 하기 (§III-A)

\mathbf{s}^{\mathrm{cur}}_t=\bigl(\mathbf{x}^{\mathrm{cur}}_t,\ \mathcal{P}^{\mathrm{cur}}_t,\ \mathbf{d}^{\mathrm{cur}}_t\bigr),\qquad \mathbf{s}^{\mathrm{ref}}_{i,t+1}=\bigl(\mathbf{x}^{\mathrm{ref}}_{i,t+1},\ \mathcal{P}^{\mathrm{ref}}_{i,t+1},\ \mathbf{z}^{\mathrm{ref}}_{i,t+1}\bigr)\quad\text{(Eq. 3)}

\mathbf{x}: 로봇·물체 상태(현재) 또는 참조 손-물체 상태(t+1).
\mathcal{P}: 물체 표면에서 균등 샘플한 128점을 현재 시뮬레이션 자세와 다음 참조 자세에 각각 놓은 점군. 모두 손목 좌표계로 표현한다. 물체가 바뀌어도 정책이 모양을 “보고” 구분하게 하려는 장치다.
\mathbf{d}: 다섯 손끝과 손목에서 물체 표면까지의 거리와 표면 법선(손목 좌표). 매 step 메시에서 거리를 계산하면 비싸므로 물체 원점 중심 60 cm 정육면체를 128^3 voxel로 이산화한 SDF를 미리 만들어 조회한다.
\mathbf{z}: 미래 참조 t+1\ldots t+K를 시점 t의 손목 좌표로 표현해 temporal encoder로 128차원에 압축(K=10, Eq. 4). 인코더는 actor·critic과 함께 처음부터 학습한다. 기존 손재주 리타게팅(ManipTrans·DexMachina·CHORD)은 다음 한 프레임만 조건으로 줬고, 여러 미래 프레임 조건은 휴머노이드 추종(KungfuBot2, PHUMA)에서 빌려 온 것이다.

보상: 단위를 통일하고, 재구성 오차를 용서하기 (§III-B)

물체 추종 보상. 기존 방법은 물체 위치 오차와 회전 오차를 손으로 정한 가중치로 섞는다. 단위가 다른 두 오차의 균형을 맞춰야 하는 문제다. FlashDexRetarget은 물체 좌표계의 표면 128점을 공통 반지름으로 정규화한 뒤 현재·참조 자세로 각각 옮겨 대응점 거리를 잰다(Eq. 6).

\tilde{\mathbf{p}}^h_m=\rho\,\frac{\mathbf{p}^h_m}{\max_n\|\mathbf{p}^h_n\|_2},\qquad e^{\mathrm{obj},h}_t=\frac1k\sum_{m\in\mathcal{I}^{(k)}_{h,t}}\bigl\|\tilde{\mathcal{P}}^{\mathrm{cur},h}_{t+1,m}-\tilde{\mathcal{P}}^{\mathrm{ref},h}_{i,t+1,m}\bigr\|_2,\qquad r^{\mathrm{obj},h}_t=\exp\bigl(-e^{\mathrm{obj},h}_t/\sigma_{\mathrm{obj}}\bigr)

\rho=0.058 m는 “30° 회전이 약 3 cm 점 변위에 해당”하도록 고른 값이다. 실제로 반지름 \rho인 점이 \theta만큼 돌면 변위는 2\rho\sin(\theta/2)=2\times0.058\times\sin15^\circ\approx0.030 m라서, 성공 판정 문턱(3 cm, 30°)과 정확히 맞물린다. 평균 대신 오차 상위 k=3개 점의 평균을 쓰는 것은 물체의 한쪽 끝이 크게 어긋나는 회전 오차를 평균이 희석하지 않게 하려는 것이다. \sigma_{\mathrm{obj}}=0.1 m.

손-물체 상호작용 보상. DexMachina·CHORD는 고정된 거리 문턱으로 접촉 여부를 이진 판정한다. 그런데 재구성된 사람 손은 물체에서 떠 있거나 파고드는 경우가 많아서, 실제로 쥐고 있던 손가락이 “비접촉”으로 잘못 라벨링된다. 그래서 이진 라벨 대신 연속 거리를 쓰고, 그것도 일치가 아니라 상한으로 쓴다(Eq. 7).

\epsilon^{(f)}_{h,t}=\max\bigl(0,\;d^{(f)}_{h,t}-d^{\mathrm{ref},(f)}_{h,t}\bigr),\qquad r^{\mathrm{int},h}_t=\frac15\sum_{f=1}^{5}\exp\bigl(-\epsilon^{(f)}_{h,t}/\sigma_{\mathrm{int}}\bigr),\quad\sigma_{\mathrm{int}}=0.01\text{ m}

로봇 손끝의 거리 d^{(f)}는 SDF의 부호 있는 거리이고, 사람 손끝의 거리 d^{\mathrm{ref},(f)}는 물체 메시 최근접 정점까지의 부호 없는 거리다. 부호 없는 참조를 쓰면 시연의 관통(음수 거리)을 로봇이 따라 할 필요가 없다. 그리고 로봇 손끝이 사람 손끝보다 더 가까우면 벌점이 없다. 사람 손이 물체 위 5 mm에 떠 있었다면 로봇은 그 틈을 0으로 메워도 최대 보상을 받는다. 논문의 표현으로는 “재구성 틈을 재현하지 않고 메울 수 있게” 하는 설계다. 반대로 시연에서 손가락이 물체에서 멀리 떨어져 있었다면 d^{\mathrm{ref}}가 커서 이 항은 사실상 꺼진다. 즉 이 보상은 “접촉해야 할 곳에서는 적어도 사람만큼 가까이”만 요구하고, 접촉하지 말아야 할 곳은 강제하지 않는다.

손 추종·정규화. 손목 위치·회전, 손끝 위치 오차의 지수형 보상과, 지령 관절각이 기구학적 리타게팅 결과를 따르게 하는 behavior-cloning 항을 둔다(ManipTrans·DexMachina를 따름). 정규화 항은 큰 행동을 벌하고, 물체나 손끝이 참조에서 “미리 정한 문턱”보다 벗어나는 추종 실패에 벌점을 준다. 시간 초과·클립 완료로 인한 종료는 벌하지 않는다. 가중치 w와 실패 문턱의 값은 논문에 없다(아래 코드 대조에서 확인).

양손 구조: 손별 actor-critic (§III-C)

기존 RL 리타게팅은 actor-critic 한 쌍이 두 손을 함께 제어하고 두 손 보상의 합으로 학습했다. 그러면 결과가 어느 손 탓인지 신용 할당이 어렵다. FlashDexRetarget은 손마다 (\pi_{\theta_h},Q_{\phi_h}) 쌍을 두고 각자 자기 보상 r^h_t로 학습한다. 단, 관측은 양손 상태를 포함한 전체 \mathbf{s}_{i,t}를 둘 다 받는다(Eq. 8).

\mathbf{a}^h_t\sim\pi_{\theta_h}(\cdot\mid\mathbf{s}_{i,t}),\qquad \mathbf{a}_t=(\mathbf{a}^{\mathrm{left}}_t,\mathbf{a}^{\mathrm{right}}_t)

전체 관측을 주는 이유는 한 손이 다루는 물체가 다른 손의 물체에 닿거나 구속하는 상호작용 때문이다. 결과적으로 두 손은 “관측은 공유, 보상과 가치는 분리”된 협력 에이전트가 된다.

정성 결과(Fig. 2): 시뮬레이션에서 FlashDexRetarget이 생성한 로봇 조작 스냅샷. 도구 사용(국자·주걱·숟가락), 용기 다루기(머그·병·통), 일상 물체(루빅스 큐브·키보드·주스 팩) 등 서로 다른 물체 형상과 손-물체 배치를 한 정책이 다룬다.

프로젝트 페이지의 “One policy, many motions” 그리드: 50모션 벤치마크(XHand)에서 단일 정책의 성공 롤아웃.

학습기: 크게 키운 off-policy (§III-D)

PPO 같은 on-policy 알고리즘은 정책 업데이트마다 전이를 버린다. 저자들은 off-policy인 FlashSAC을 채택하고, multi-reference가 만드는 넓은 상태 분포를 감당하도록 replay buffer 10M → 50M, critic 은닉 폭 256 → 1024로 키웠다. FlashSAC(arXiv:2604.04539, RSS 2026)은 Donghu Kim·Youngdo Lee·I Made Aswin Nahrendra·Jaegul Choo·Hojoon Lee 등 이 논문과 저자가 겹치는 Holiday Robotics 쪽 알고리즘이다. 논문은 이 두 숫자 외의 학습 하이퍼파라미터를 적지 않는다.

공개 코드와의 대조 (읽기 전용, 실행 검증 아님)

공개 레포 Holiday-Robot/FlashDexRetarget의 커밋 7919f8a(2026-10-04)를 읽기 전용으로 열어 논문 §III와 대조했고, 별도의 정적 코드 분석(비공개 실험 레포의 코드 노트)과 항목별로 교차 확인했다. 아래 내용은 모두 정적 확인이다. Isaac Sim에서 실행해 검증한 것이 아니고, 저자가 논문 수치를 낸 코드가 이 배포본과 같다는 보장도 없다. “코드” 열은 배포본 기본 설정의 값이다.

항목	논문	공개 코드 (기본 설정)	판정
점군 / SDF	“균등 샘플” 128점, 128^3 voxel, 60 cm 정육면체	메시 정점 2048개 위 farthest point sampling으로 128점(물체별 1회 캐시), `grid_n: 128`, `grid_extent: 0.30`(±0.30 m)	개수·SDF 일치, 샘플링 방식은 표현 차이
물체 보상	top-k=3, \rho=0.058 m, \sigma_{\mathrm{obj}}=0.1 m	`topk: 3`, `norm_radius: 0.058`, scale 10 (=1/0.1)	일치
상호작용 보상	\exp(-\max(0,d-d^{\mathrm{ref}})/0.01) 다섯 손끝 평균	`tracking_ref_mano_tip_distance_bound_exp`, `sigma=0.01`, 동일 식	일치
미래 인코더	K=10, 128차원 “temporal encoder”	`traj_encoder`: `conv1d`, `n_future: 10`, `latent_dim: 128`, 2층	일치(구조는 코드가 더 구체적)
학습기 용량	buffer 50M, critic 폭 1024	`buffer_max_length: 50_000_000`, `critic_hidden_dim: 1024`, actor 폭 128, critic 101-bin 분포형	일치
보상 가중치	미기재	obj 1.0, int 0.3, 손목 위치·회전 각 0.15, 손끝 위치 0.3, 관절 BC 0.3, 행동 −0.01, 종료 −100. 손별 보상으로 나눌 때 각 항은 절반 가중치로 양손에 복제되고 종료 벌점만 그대로다	논문에 없음
행동 공간	“로봇 행동 \mathbf{a}_t”	참조 기준 잔차(손목 위치 잔차 스케일 0.1, 손목 회전 1.0, 손가락은 관절 범위 절대값) + 손목 5 Hz 저역통과	논문에 없음
actor 관측	상태·점군·SDF 거리/법선·미래 잠재	위에 더해 링크별 접촉 wrench와 접촉 위치(`robot_body_contact_wrench_wrist` 등). actor·critic 관측 목록은 같고 실제로도 대칭이다(`asymmetric_observation: true`가 적혀 있지만 `share_actor_critic_obs: true` 때문에 빌드 시 false로 강제된다)	접촉력 관측은 논문 서술에 누락
물체 보조력	언급 없음	물체를 참조로 끌어당기는 PD 외력(`xfrc` pin, `kp_init` 80) + 보상·완료율 기반 적응형 감쇠 커리큘럼. 완주율이 떨어지면 이득을 다시 올리는 dialback 단계도 있다	논문에 없음
평가	“성공 롤아웃이 저장되면 누적 성공”	20M step마다 모든 클립을 첫 프레임부터 결정론적으로 1회 롤아웃. 평가 중엔 종료조건·커리큘럼·물체 보조력을 끈다(평가 진입 코드에 하드코딩. 평가 yaml의 `disable_object_pin` 등 키 4개는 코드가 읽지 않는다). 클립 오차의 시간 평균이 문턱 안이면 성공	서술보다 구체적, 모순 없음
조기 종료	“미리 정한 문턱”	물체가 참조보다 z로 10 cm 이상 아래로 내려감(3D 위치 이탈 항은 있으나 비활성), 손끝 0.2 m 이탈(처음 15 step 제외), 에피소드 누적 물체 보상이 0.6·k 미만(5 step마다 점검, k는 경과 step) 등	물체 기준은 논문 서술과 다르고, 누적 보상 리셋은 논문에 없음
step 예산	XHand 300M, Sharpa 400M	기본 `num_env_steps` 500M, 모든 클립이 통과하면 조기 중단	실험별 override 필요
메모리	RTX 3090에서 실험	레포 문서 기준(실측 아님) 50M buffer = 88 GB. 기본(GPU buffer) 약 110 GB GPU 메모리, CPU buffer로 돌리면 GPU 약 16 GB + 호스트 RAM 약 100 GB	논문에 없음
클립 추첨	참조를 뽑아 병렬 환경에 배정	환경마다 물체 slot을 고정하고 그 물체의 클립들 중 균등 추첨, 시작 프레임도 균등(RSI). 실패 클립을 우선 뽑는 장치는 없다	일치(세부는 코드에만)
어블레이션·베이스라인	Fig. 3, Table I	PPO 학습 설정, 베이스라인 3종, 미래 조건 제거 설정이 레포에 없다. `traj_encoder.enable=false`만으로는 원시 미래 창이 관측에 계속 붙어 “미래 조건 제거”가 되지 않는다	재현 경로 없음

가장 중요한 것은 물체 보조력 커리큘럼이다. 학습 초기에 물체를 참조 궤적 쪽으로 끌어당기는 외력을 걸고, 보상과 클립 완료율이 문턱을 넘을 때마다 이득을 줄여 가는 장치로, DexMachina의 virtual object controller와 같은 계열의 아이디어다. 논문은 관련 연구에서 DexMachina를 “물체 보조를 점진적으로 줄인다”고 소개하면서 자기 방법에도 같은 장치가 있다는 사실은 적지 않는다. 이득은 한 방향으로만 줄지 않는다. 완주율이 떨어지면 다시 올리는 dialback 단계가 있어서, 학습이 흔들릴 때마다 보조를 되돌려 주는 폐루프 커리큘럼이다. 다행히 코드상 성공 판정용 평가 롤아웃에서는 보조력을 0으로 지우고 나서 돌리므로, 저장된 궤적이 보조력에 기대 성공한 것은 아니다. 하지만 이 장치가 학습 속도에 얼마나 기여하는지는 어블레이션(Fig. 3)에 없다. “어느 설계가 효율을 만들었는가”를 묻는 RQ2의 답이 불완전한 셈이다.

직관: 왜 한 정책이 시연별 정책보다 싸게 먹히는가

시연별 RL은 매번 “손가락을 물체에 갖다 대고, 쥐고, 들고, 돌리는” 기초 기술을 처음부터 다시 배운다. 50개 시연이라면 이 공통 부분을 50번 배우는 셈이다. 한 정책이 모든 시연을 함께 배우면 공통 기술은 한 번만 배우고, 시연마다 다른 부분(물체 모양, 경로)만 관측 조건으로 분기하면 된다. Fig. 5의 스케일링 곡선이 이 직관을 정량으로 보여 준다. 같은 60 GPU-h에서 1,000모션 집합은 600개 남짓, 200모션 집합은 160개 남짓을 변환했다(그림 판독 근사치, 아래 RQ3). 시연을 더 넣을수록 변환 처리량(시간당 성공 개수)이 오른다.

이 그림이 성립하려면 정책이 시연들을 구분할 수 있어야 하고(점군·미래 참조), 서로 다른 시연에서 온 경험이 서로를 방해하기보다 도와야 한다. 후자를 떠받치는 것이 off-policy 재사용이다. PPO는 방금 모은 배치만 쓰고 버리므로 50개 시연이 섞인 배치에서 각 시연의 신호가 희석된다. replay buffer는 오래전 다른 시연에서 얻은 성공 경험을 계속 다시 쓰게 해 준다. 어블레이션에서 buffer를 10M→50M로 늘린 것만으로 34%→60%가 된 것은 “경험을 오래 보관하는 것” 자체가 multi-reference의 핵심 자원이라는 해석과 맞는다.

상호작용 보상의 단방향 설계도 같은 맥락에서 이해할 수 있다. 사람 손과 로봇 손은 모양이 달라서 손끝-물체 거리를 정확히 맞추는 것은 애초에 불가능하거나 불필요하다. “최소한 사람만큼은 붙어라”는 조건은 형태 차이를 흡수할 여유를 남기면서 “쥐는 손가락은 실제로 닿아야 한다”는 핵심만 강제한다.

실험

셋업 (§IV-A)

항목	내용
데이터	TACO·OakInk2(두 물체), HOT3D(한 물체). CHORD의 전처리 절차를 따름. 손도 물체도 움직이지 않는 비활성 클립은 사소한 성공을 막기 위해 제외
주 벤치마크	50모션 = 한 물체 25 + 두 물체 25
로봇 손	XHand, Sharpa Wave Hand(제어 차원이 더 높음)
베이스라인	Do as I Do(공개 구현), CHORD(공개 구현, PPO 학습), DexMachina(시작 프레임 대신 참조 궤적의 임의 상태에서 초기화하도록 수정). DexMachina는 XHand에서만 보고
스케일링	200 / 500 / 1,000모션, 한 물체·두 물체 비율을 대략 균형
시뮬레이터·GPU	Isaac Sim, NVIDIA RTX 3090
학습 예산	XHand 300M env step, Sharpa 400M, 어블레이션 300M, 스케일링 600M

지표. 세 가지 성공률을 쓴다.

지표	출처	기준	비고
\mathrm{SR}_{\mathrm{MT}}	ManipTrans	물체 3 cm·30°, 손끝 6 cm, 손 관절 8 cm	가장 엄격
\mathrm{SR}_{\mathrm{MT\text{-}Obj}}	본 논문	\mathrm{SR}_{\mathrm{MT}}의 물체 조건만	어블레이션과 누적 성공 집계에 사용
\mathrm{SR}_{\mathrm{SPIDER}}	SPIDER	물체 10 cm·0.5 rad, 활성 손들의 물체 오차를 평균	한 물체가 거의 정지한 시연에서 성공을 과대평가할 수 있다고 저자가 직접 명시

MOPE·MORE(평균 물체 위치·회전 오차)는 \mathrm{SR}_{\mathrm{SPIDER}}를 통과한 궤적들에 대해서만 잰다.

연산 비용 집계. 시연별 베이스라인은 주기적으로 평가해 성공 롤아웃이 처음 나오면 그 시연의 학습을 멈추고 그때까지의 GPU 시간을 기록하며, 실패한 시연은 전체 비용을 합산한다. FlashDexRetarget은 고정 step 예산까지의 총 GPU 시간을 보고하고, 학습 중 어느 시점이든 \mathrm{SR}_{\mathrm{MT\text{-}Obj}}를 만족하는 롤아웃이 저장된 시연을 성공으로 누적 집계한다.

RQ1: 성공률과 연산 (§IV-B, Table I)

손	방법	방식	SR_SPIDER ↑	SR_MT-Obj ↑	SR_MT ↑	MOPE (mm) ↓	MORE (rad) ↓	GPU-h ↓
XHand	Do as I Do	Single	0.36	0.04	0.00	47.32	0.28	66
XHand	DexMachina	Single	0.48	0.32	0.12	37.49	0.29	447
XHand	CHORD	Single	0.46	0.02	0.00	55.70	0.16	2,847
XHand	FlashDexRetarget	Multi	0.90	0.86	0.86	10.95	0.25	29
Sharpa	Do as I Do	Single	0.64	0.10	0.10	58.33	0.24	62
Sharpa	CHORD	Single	0.50	0.22	0.00	60.07	0.19	3,314
Sharpa	FlashDexRetarget	Multi	0.86	0.80	0.80	16.45	0.32	44

XHand에서 FlashDexRetarget은 \mathrm{SR}_{\mathrm{SPIDER}}로 모든 베이스라인보다 42%p 이상 높고(0.90 vs 최고 0.48. 본문은 “적어도 40%p”), GPU 시간은 Do as I Do의 약 1/2.3(66 vs 29), CHORD의 약 1/98(2,847 vs 29)이다. 엄격한 \mathrm{SR}_{\mathrm{MT}}에서는 차이가 더 벌어져 86% vs DexMachina 12%, Do as I Do·CHORD 0%다. Sharpa에서도 같은 경향이다(86% vs 64%·50%, \mathrm{SR}_{\mathrm{MT}} 80% vs 10%·0%). Sharpa에서 CHORD 대비 연산 비율은 3,314/44 ≈ 75배로, “약 100배”는 XHand 쪽 수치다.

표를 꼼꼼히 보면 눈에 띄는 점이 두 가지 있다.

FlashDexRetarget은 \mathrm{SR}_{\mathrm{MT\text{-}Obj}}=\mathrm{SR}_{\mathrm{MT}}다(0.86=0.86, 0.80=0.80). 물체 조건을 통과한 시연은 전부 손 조건도 통과했다. 손 추종 보상과 BC 항이 강하게 걸려 있고, 행동이 참조 기준 잔차로 정의돼 있으니(코드 대조) 손이 참조에서 크게 벗어나기 어려운 구조와 맞는다. 반대로 베이스라인은 \mathrm{SR}_{\mathrm{SPIDER}}와 \mathrm{SR}_{\mathrm{MT\text{-}Obj}} 사이가 크게 벌어진다(CHORD XHand 0.46 → 0.02). 베이스라인의 성공 상당수가 10 cm·0.5 rad의 느슨한 평균 기준에서만 성립한다는 뜻이다.
MORE(회전 오차)는 FlashDexRetarget이 가장 좋지 않다. XHand 0.25 rad로 CHORD 0.16보다 크고, Sharpa에서는 0.32로 세 방법 중 가장 크다. 반면 MOPE(위치)는 10.95 mm로 압도적이다. 본문은 MORE를 언급하지 않는다. 점군 대응점 보상이 위치·회전을 “공통 단위”로 묶는다는 설계의 부작용일 수 있다. 점들은 물체 크기와 무관하게 반지름 \rho=5.8 cm로 정규화되지만 위치 오차는 정규화되지 않으므로, 반지름이 5.8 cm보다 큰 물체에서는 같은 회전 오차가 보상에서 실제 표면 변위보다 작게 매겨진다(이 해석은 리뷰어 추론이고 논문이 검증한 것은 아니다). 또 MOPE·MORE는 각 방법이 성공한 궤적들만으로 계산하므로, 시연 집합이 방법마다 달라(FlashDexRetarget 45개 vs CHORD 23개, XHand) 엄밀한 동일 조건 비교는 아니다.

RQ2: 어블레이션 (§IV-C, Fig. 3)

어블레이션(Fig. 3): 50모션 벤치마크에서 300M env step 동안 SR_MT-Obj를 만족한 누적 시연 수. (a) 미래 참조 인코딩, (b) 점군(PCD)·상호작용(Int) 보상(대응 관측과 함께 제거), (c) 통합 vs 손별 actor-critic, (d) PPO·기본 FlashSAC·큰 buffer·큰 buffer+큰 critic.

그림에서 읽은 300M step 시점의 누적 성공 시연 수(50개 중)를 표로 옮기면 다음과 같다. (d)의 34%·60%·86%는 본문 수치와 일치한다.

축	변형	누적 성공(/50)	비율
전체	FlashDexRetarget (full)	43	86%
(a) 관측	w/o K future latent	38	76%
(b) 보상	w/o Int	36	72%
(b) 보상	w/o PCD	33	66%
(b) 보상	w/o PCD & Int	15	30%
(c) 구조	Unified actor-critic	33	66%
(d) 학습기	FlashSAC + 큰 buffer(50M)	30	60%
(d) 학습기	FlashSAC 기본(10M, 256)	17	34%
(d) 학습기	PPO	1	2%

(표의 수치는 Fig. 3에서 읽은 근사치이며, (d)의 세 비율만 본문에 명시돼 있다.)

해석은 이렇다.

학습기가 지배적이다. PPO → 기본 FlashSAC → 큰 buffer → 큰 critic이 1 → 17 → 30 → 43으로 가장 큰 폭을 만든다. 저자들도 “가장 두드러진 차이”라고 쓴다.
점군과 상호작용 보상은 서로를 보완한다. 둘 중 하나만 빼면 33~36, 둘 다 빼면 15로 급락한다. 하나만 빠졌을 때의 손실 합(7+10=17)보다 둘 다 뺐을 때의 손실(28)이 커서, 두 신호가 일부 대체 관계에 있다는 것을 시사한다.
미래 참조 인코딩과 손별 actor-critic은 최종 개수에서 5~10개 차이를 낸다. (c)의 통합 actor-critic은 학습 초반 곡선부터 늦다.
모든 변형은 full 구성에서 하나씩 빼는 방식이다. 학습기를 기본 FlashSAC으로 두고 나머지를 뺐을 때의 효과는 알 수 없다.

RQ3: 더 큰 참조 집합으로 (§IV-D, Fig. 5)

스케일링(Fig. 5): 200·500·1,000모션 집합에 대한 공유 정책의 누적 성공 변환 수, 학습 처음 60 GPU-h 구간. 같은 GPU 시간에서 더 큰 집합이 더 많이 변환한다.

세 설정 모두 600M step 예산으로 학습하고, 공통 축 비교를 위해 처음 60 GPU-h만 그렸다. 그림에서 읽으면 60 GPU-h 시점에 1,000모션은 약 617개, 500모션은 약 334개, 200모션은 약 164개를 변환했다(근사치. 프로젝트 페이지는 1,000모션을 “600+”로 적는다). 절대 개수는 집합 크기와 함께 커지지만 변환 비율은 거꾸로 줄어든다(약 82% → 67% → 62%). 저자 주장(“더 큰 집합이 같은 연산으로 더 많은 시연을 변환”)은 정확히 절대 개수에 대한 것이고, 그 범위에서는 맞다. 처리량으로 보면 1,000모션은 약 10개/GPU-h로, 50모션 실험(43개/29 GPU-h ≈ 1.5개/GPU-h)보다 훨씬 높다. 다만 1,000모션 곡선은 60 GPU-h에서도 아직 오르는 중이라 최종 변환 비율은 보고되지 않았다.

RQ4: 실세계 재생 (§IV-E, Fig. 4)

실세계 검증(Fig. 4): 리타게팅된 궤적을 실제 로봇에서 재생. 위부터 보드 닦기, 팬에 붓기, 뚜껑 닫기.

사람 참조(붓기)

시뮬레이션 리타게팅

실로봇(4배속)

프로젝트 페이지의 “Real-World Replay” 3단 비교 중 붓기 과제.

논문 본문은 “성공한 궤적을 물리 로봇에서 재생했고 여러 과제를 완수했다”고만 쓴다. 로봇 기종, 시행 횟수, 성공률, 재생에 쓴 궤적이 벤치마크 50모션에서 왔는지는 본문에 없다. 이 공백의 일부는 프로젝트 페이지가 채운다. 거기서는 실세계 과제에 쓴 사람 시연이 새로 직접 캡처한 시연이고, 재생한 하드웨어가 로봇 팔 + XHand이며, 이 실험이 폐루프로 배포한 정책이 아니라 시뮬레이션 성공 궤적의 재생이라고 명시한다. Fig. 4를 보면 한 팔·한 손 구성이라 세 과제 모두 한 손 과제다.

비판적으로 보면

강점

문제 설정 자체가 기여다. “리타게팅의 산출물은 궤적”이라는 관점에서 정책을 데이터 생성기로만 쓰고, 성공 기준을 학습 전 구간 누적으로 잡은 것은 데이터 생성이라는 목적에 정직하게 맞춘 설계다. 비용 집계 방식(베이스라인은 첫 성공 시 정지, 실패 시 전 비용 합산)도 베이스라인에 불리하지 않게 정의돼 있다.
보상 설계가 작지만 정확하다. 대응점 기반 물체 보상은 \rho를 성공 문턱(3 cm ↔︎ 30°)에서 역산해 보상과 평가 기준을 같은 기하로 묶었고(산술로 확인됨), 단방향 거리 보상은 재구성 시연의 떠 있는 손가락·관통을 둘 다 우아하게 처리한다. 둘 다 공개 코드에 논문 식 그대로 들어 있다.
어블레이션이 RQ와 정확히 맞물린다. 서론의 네 가지 어려움 → 네 설계 → Fig. 3의 네 패널이 1:1로 대응하고, (b)는 두 성분을 각각·동시에 빼 보완 관계까지 보여 준다.
스케일링 곡선이 주장의 핵심을 직접 보여 준다. 처리량이 집합 크기와 함께 늘어난다는 것은 multi-reference의 존재 이유이고, 1,000모션에서 약 10개/GPU-h라는 처리량은 시연별 방법으로는 도달하기 어려운 수치다.
재현 자료가 충실하다. MIT 코드, 데이터셋별 전처리 스크립트(TACO·OakInk2·HOT3D), GPU 메모리 가이드, 성공 궤적 뷰어까지 공개됐다. 논문에 없는 하이퍼파라미터 대부분을 코드에서 복원할 수 있다.

약점·한계

“약 100배”는 주로 PPO 대 FlashSAC 비교다. CHORD 수치는 PPO로 학습하는 CHORD 공개 구현에서 나왔다(Fig. 1 캡션, §IV-A). 그런데 CHORD 논문 v2 Appendix B는 CHORD를 FlashSAC, 2,048 환경, L40S 1장에서 시퀀스당 약 2시간으로 학습한다고 적는다(CHORD 리뷰에서 다룬 간극이다). 당시 공개 레포에는 PPO만 있었고, 저자 측은 FlashSAC 가속 구현을 2026년 9월 공개 목표로 밝혔다. 실제로 nvidia-isaac/video_to_data에는 2026-09-23 릴리스(v0.4.0)부터 FlashSAC을 포함한 “FlashCHORD”가 들어가 있다(이 리뷰 작성 시점 확인). FlashDexRetarget v1 제출(10-01) 8일 전이라 저자들이 실험에 쓰기는 어려웠을 것이다. 그럼에도 결과적으로 Table I의 CHORD 행은 CHORD 논문이 보고한 학습 설정이 아니다. 같은 논문의 Fig. 3(d)에서 PPO가 multi-reference 설정 300M step에 거의 0이었다는 점을 생각하면, 2,847 GPU-h의 상당 부분은 “시연별 vs 공유”가 아니라 “PPO vs FlashSAC”의 차이일 가능성이 높다. 거친 상한 추정으로, CHORD 자기 보고값(2 h × 50 시연 ≈ 100 L40S-h)을 쓰면 연산 격차는 약 3배 수준이다(GPU 기종이 달라 동일 비교는 아니다). “시연별 FlashSAC 대 공유 FlashSAC”이라는 가장 공정한 비교, 즉 FlashDexRetarget 자체를 시연별로 돌린 베이스라인이 없다는 것이 이 논문의 가장 큰 빈칸이다.
헤드라인 성공률은 저자가 스스로 “과대평가될 수 있다”고 한 지표다. 초록·서론의 “90%”와 “44%p 향상”은 \mathrm{SR}_{\mathrm{SPIDER}} 기준인데, §IV-A는 이 지표가 한 물체가 거의 정지한 시연에서 성공을 과대평가할 수 있어서 어블레이션에는 \mathrm{SR}_{\mathrm{MT\text{-}Obj}}를 쓴다고 밝힌다. 오히려 \mathrm{SR}_{\mathrm{MT\text{-}Obj}} 기준(0.86 vs CHORD 0.02)이 FlashDexRetarget에 더 유리한데도, 헤드라인은 베이스라인 비교용 관례 지표로 잡혀 있다. 독자는 두 지표를 함께 읽어야 한다.
“단일 정책이 90%를 리타게팅한다”는 문장은 누적 집계를 생략한다. 성공은 학습 전 구간에 걸친 합집합이다. 코드상 20M step마다 모든 시연을 한 번씩 평가하므로, 300M step이면 15개 체크포인트 중 어느 하나라도 성공하면 그 시연은 성공이다. 데이터 생성이 목적이라 정당한 집계지만, 최종 정책 하나가 동시에 몇 %를 성공시키는지는 보고되지 않는다. 베이스라인도 “첫 성공 시 정지”라 같은 any-success 집계이긴 하나, 시연별 평가 빈도·롤아웃 수가 방법 사이에 같은지는 적혀 있지 않다.
회전 정밀도 열세가 본문에서 다뤄지지 않는다. MORE는 두 손 모두에서 CHORD보다 나쁘고 Sharpa에서는 전체 최하위(0.32 rad)다. 데이터 품질 관점에서는 의미 있는 약점인데 §IV-B는 성공률과 GPU 시간만 논한다.
논문만으로는 재현 불가능한 설계가 코드에 있다. 물체 보조력 커리큘럼, 참조 기준 잔차 행동, actor의 접촉 wrench 관측, 조기 종료 규칙, 보상 가중치가 전부 논문에 없다. 평가에서 보조력을 끄므로 결과의 정당성을 해치지는 않지만, 보조력 커리큘럼은 DexMachina의 핵심 기법이고 학습 효율에 직접 영향을 줄 장치라서 어블레이션 없이 빠져 있는 것이 RQ2의 설명력을 깎는다.
논문 실험을 재현할 설정이 레포에 없다. 공개 코드는 FlashDexRetarget 본 구성만 담고 있다. Fig. 3(d)의 PPO 행, Fig. 3(a)의 미래 조건 제거, Table I의 베이스라인 3종은 설정도 실행 코드도 없어서, 헤드라인 비교와 핵심 어블레이션을 제3자가 같은 코드로 다시 낼 수 없다(정적 확인). 그 밖에 효과 없는 설정도 섞여 있다. gravity_curriculum은 Isaac 백엔드에서 실제 물리에 닿지 않는 객체를 수정하고, Sharpa 자산 README는 충돌 메시를 캡슐로 바꿨다고 적지만 MJCF·URDF에 캡슐 형상은 0건이다.
통계적 근거가 얇다. 시드 수·반복 실행·오차 범위가 논문 전체에 없다(“seed”라는 단어 자체가 본문에 없다). Fig. 3의 곡선 차이 중 일부(예: (a) 43 vs 38)는 50개 시연에서 5개 차이라 단일 실행의 분산 안에 있을 수 있다.
하드웨어 요구가 서술과 어긋나 보인다. 실험 GPU는 RTX 3090(24 GB)인데 배포 설정의 50M replay는 레포 문서 기준 88 GB다(실측 아님). 코드 가이드대로라면 3090에서는 CPU에 buffer를 두고 호스트 RAM 약 100 GB가 필요하다. “29 GPU-h”는 GPU 시간만 센 값이고, 이런 호스트 자원 비용은 비교에 들어가지 않는다.
실세계 검증은 정성적이고 범위가 좁다. 시행 수·성공률이 없고, 한 팔·한 손 과제 3개뿐이며, 벤치마크 시연이 아니라 새로 캡처한 시연이다. 시뮬레이션의 손은 손목이 자유롭게 떠다니는 구성인데 이를 실제 로봇 팔로 어떻게 옮겼는지(팔 IK 등)도 본문에 없다. 정책은 물체 자세·SDF·접촉력 같은 특권 정보를 쓰므로 그대로 배포할 수 없고, 저자도 결론에서 이를 한계로 인정하며 teacher-student 증류를 후속 과제로 든다.
일반화는 범위 밖이다. 정책은 학습한 시연 집합만 추종한다. 보지 않은 시연·물체·로봇 손으로의 일반화는 결론의 향후 과제로 남겨 두었다. 또한 저자들이 밝히듯 비교적 깨끗한 모캡 궤적과 정확한 물체 기하가 전제다.

요약

FlashDexRetarget은 손재주 리타게팅을 시연별 최적화에서 참조 조건부 정책 하나의 공유 학습으로 바꿨다. 물체 점군·SDF 거리·미래 10프레임 관측, 대응점 물체 보상과 단방향 손끝 거리 보상, 손별 actor-critic, 크게 키운 FlashSAC을 묶어, 50모션 벤치마크에서 XHand \mathrm{SR}_{\mathrm{MT}} 86%(29 GPU-h), Sharpa 80%(44 GPU-h)를 얻었다. 1,000모션으로 키우면 60 GPU-h에 600개 이상을 변환해, 데이터셋이 클수록 처리량이 오른다는 multi-reference의 약속을 정량으로 보였다.

한계도 분명하다. 헤드라인 “약 100배·44%p”는 PPO로 도는 CHORD 공개 구현과 저자 스스로 과대평가 가능성을 밝힌 \mathrm{SR}_{\mathrm{SPIDER}} 위에서 나온 숫자다. 따라서 “공유 학습”의 순수 효과를 분리하려면 시연별 FlashSAC 베이스라인이 필요하다. 코드에 있는 물체 보조력 커리큘럼·잔차 행동·접촉력 관측은 논문에 없고, 시드·오차 범위와 실세계 정량 결과도 없다. 그럼에도 “궤적이 목적이면 정책은 공유하라”는 메시지와 이를 뒷받침하는 스케일링 곡선은 사람 손 데이터를 로봇 데이터로 대량 변환하려는 흐름에서 쉽게 채택될 만한 기본 레시피를 제시한다.