AttenA+: 로봇 파운데이션 모델 (Robotic Foundation Models)에서의 행동 불균형 교정

요약

기존의 로봇 파운데이션 모델은 모든 행동 구간을 균일하게 취급하는 시간적 균질성 가정을 기반으로 하여, 조작 작업의 물리적 계층 구조를 반영하지 못해 성능에 한계가 있었습니다. AttenA+는 속도 기반 행동 주의(velocity-driven action attention)를 도입하여 운동학적으로 중요한 구간에 학습 우선순위를 부여하는 프레임워크입니다. 이는 역속도장(inverse velocity field)을 통해 물리적 중요도를 반영함으로써, 기존의 VLA 및 WAM 모델의 성능을 향상시키고 로봇 제어의 새로운 방향을 제시합니다.

핵심 포인트

• 로봇 파운데이션 모델은 시간적 균질성 가정으로 인해 조작 작업의 이질적인 물리 구조를 간과하는 한계가 있습니다.
• AttenA+는 속도 기반 행동 주의(velocity-driven action attention)를 통해 운동학적으로 중요한 구간에 가중치를 부여합니다.
• 이 프레임워크는 역속도장(inverse velocity field)을 학습 목표 재가중화에 활용하여 물리적 중요도를 모델링합니다.
• AttenA+는 플러그 앤 플레이 방식으로 기존 백본에 쉽게 통합할 수 있는 구조입니다.
• 실제 실험에서 OpenVLA-OFT 및 FastWAM 등 최첨단 모델의 성능 향상과 로봇 환경에서의 견고성을 입증했습니다.