연구진은 부족한 데이터로 인한 임베디드 모델의 일반화 성능 한계를 극복하기 위해 SkillMemo 프레임워크를 제안했어요.
SkillMemo는 MoE 아키텍처 기반의 전문가 가이드 트랙제리 분할 모듈을 통해 숙련된 트랙제리를 분해하고, 에피소드 메모리 뱅크에 숙련도 레벨의 특징을 통합해요.
시뮬레이션 벤치마크와 실제 조작 작업에서 SkillMemo는 DP와 VLA 백본의 성능을 향상시켜 최고 수준의 성능을 달성하고, 새로운 작업 구성에 대한 강력한 복합 일반화 능력을 보여줬어요.