LabVLA: 과학 실험실 환경에서 비전-언어-행동 모델 접지하기

요약

본 논문은 과학 실험실 환경에 특화된 Vision-Language-Action (VLA) 모델인 LabVLA를 제안합니다. 기존 VLA 모델이 가정용 시연에 국한된 한계를 극복하기 위해, RoboGenesis라는 데이터 엔진을 구축하고 두 단계의 훈련(액션 토큰 사전 학습 및 흐름 매칭 사후 훈련)을 거쳤습니다. 이로써 LabVLA는 과학 실험실 워크플로우에서 높은 성공률을 입증했습니다.

핵심 포인트

• LabVLA: 과학 실험실 환경에 특화된 VLA 모델 제시
• RoboGenesis: 시뮬레이션 기반 데이터 및 워크플로우 엔진 구축
• 두 단계 훈련(Action Token Pretraining + Flow Matching)으로 성능 향상
• LabUtopia 벤치마크에서 최고 평균 성공률 달성