ChunkAct: 에이전트 로봇 공학을 위한 액션 청킹

에이전트 로봇 공학은 대규모 언어 모델(LLM) 에이전트를 로봇 제어 루프에 배치하며, 여기서 메모리의 안내를 받아 지각(perception), 동작(motion), 그리고 비전-언어-액션(VLA) 도구를 조합하여 재훈련 없이 새로운 작업으로 일반화합니다. 이러한 일반성은 효율성 측면에서 큰 대가를 치릅니다. 모든 기본 동작(primitive)은 전체 상호작용 기록에 대한 LLM 추론 라운드를 필요로 하므로, 에피소드의 비용이 기본 동작의 수에 따라 증가합니다. 우리는 이 추론 과정이 상당 부분 불필요하다고 발견했습니다. 한 번 하위 목표가 선택되면, 그 기본 동작들은 메모리에 이미 규정된 루틴을 따릅니다. 이에 우리는 에이전트 로봇 공학에 액션 청킹(action chunking)을 도입하는 ChunkAct를 제시합니다. 온라인 환경에서는 단일 호출로 체인형 기본 동작의 덩어리(chunk)가 시작되며, 이는 자율적으로 실행되다가 실패했을 때만 제어를 반환합니다. 오프라인 환경에서 ChunkAct는 메모리를 이러한 청크들로 컴파일하므로, 테스트 시점에는 메모리가 필요 없고 플래너(planner)는 추론이 필요한 결정에만 할당됩니다. 따라서 LLM 계산은 기본 동작의 수보다는 결정의 수에 따라 확장됩니다. LIBERO-Pro 벤치마크에서 ChunkAct는 에이전트 로봇 공학 분야의 최신 기술 대비 작업 성공률을 5.0 포인트 향상시키면서도, LLM 호출 횟수는 2.9배 적게, 입력 토큰은 4.4배 적게, 출력 토큰은 2.3배 적게 요구합니다.