액션 캐싱 및 정제(Refinement)를 통한 비전-언어-액션 모델의 훈련 없는 가속화

요약

본 논문은 로봇 조작에 유망한 VLA 모델의 계산 병목 현상을 해결하기 위해 ActionCache라는 외부 캐시를 제안합니다. 이 캐시는 과거 중간 액션을 재사용하여 목표 액션 근처에서의 생성을 워밍업함으로써 추론 지연 시간을 크게 줄입니다. 실험 결과, ActionCache는 대표적인 플로우 기반 VLA 모델에서 높은 태스크 성공률을 유지하며 상당한 추론 가속화를 달성했습니다.

핵심 포인트

• ActionCache: 과거 중간 액션을 재사용하는 외부 캐시 구조 제안
• VLA 모델의 주요 병목 현상인 노이즈 제거 과정을 개선
• 추론 지연 시간을 대폭 줄여 실시간 로봇 배포에 기여
• 대표 VLA 모델에서 최대 11.75배 ~ 34.43배 추론 가속화 입증