본 과제에서는 (1) 사전 수집된 데이터의 활용, (2) 최소한의 신규 데이터 활용, 그리고 (3) 다양한 학습 신호들의 활용을 통해 높은 일반화 성능을 가지는 로보틱스 강화학습 원천기술의 확보를 목표로 한다. 특히, 기존의 전형적인 강화학습 알고리즘 파이프라인 대비 효율성과 성능을 높이기 위해, 사람과의 상호작용을 적극적으로 활용한다. 데이터수집 단계부터 행동정책을 학습시키는 단계 그리고 학습된 행동정책을 실행시키는 단계 “모든 과정”에서 사람과의 상호작용을 활용하는 새로운 메타로보틱스(Metarobotics) 패러다임을 제시하고, 이를 통해 세계 최고수준의 기술들을 개발한다. 메타로보틱스 패러다임을 실현해내기 위해, 사용자가 편하게 조작할 수 있는 실제와 유사한 가상환경이란 사용자와 로봇이 상호작용할 수 있는 공간으로 써, 예를 들어 사용자는 이곳에서의 간단한 조작을 통해 로봇에게 의도를 전달할 수 있다. 가상환경을 만들고, 사용자가 간단한 조작을 통해 로봇과 상호작용하여 로봇의 행동정책 학습을 도와준다. 예를 들어, 데이터를 수집하는 단계에서는, 전문가의 행동정책이 담긴 양질의 데이터를 제공해 줄 수 있으며, 행동정책을 실행시키는 단계에서는, 로봇이 스스로 판단하고 행동하기 어려운 의사결정을 대신해줄 수 있다. 본 과제에서는, 메타로보틱스 패러다임을 활용하여, 신규 목적에 빠르게 적응할 수 있는 강화학습 기술을 개발한다. 특히, 미리 수집된 데이터를 이용해, 물리법칙을 이해하는 하나의 기반 모델 (Foundation Model)을 학습시키고, 신규 목적이 생겼을 때, 기반 모델을 활용하여 매우 적은 새로운 데이터만 이용해 빠르게 적응하도록 한다. 이때 물리법칙, 또는 자연계의 대칭성 등과 같은 다양한 학습 신호들을 활용한다. 일반적으로 적용 가능한 강화학습 기술을 개발하는 것을 목표로 하는 한편, 사람의 팔과 다리에 해당하는 로봇 머니퓰레이터와 모바일 로봇을 이용해 개발한 기술을 검증한다. 특히, 구조화되지 않은 환경을 가진 재활용 쓰레기처리장에서의 로봇 자동화를 시나리오로 삼아 테스트베드를 구성하고 메타로보틱스 기술을 시연한다.