VLA를 반응적으로 만드는 요소는 무엇인가? 동적 조작을 위한 실행 전략 연구

요약

본 연구는 Vision-language-action (VLA) 모델의 반응성을 높이는 요소를 탐구합니다. 동적 시뮬레이션과 실제 로봇 작업을 통해 예측 및 실행 지평 변화, 비동기 추론 등을 비교했습니다. 그 결과, 반응성은 정책뿐만 아니라 실행 파이프라인 전반에 걸쳐 함께 평가되어야 함을 제시합니다.

핵심 포인트

• VLA 모델의 반응성 향상을 위해 동적 시뮬레이션 벤치마크를 활용하여 연구가 진행됨.
• 최적 예측 지평은 약 1초이며, 실행 지평은 체크포인트에 따라 달라지는 것으로 나타남.
• 단순히 지연 시간(latency)을 줄이는 것보다 연속적인 궤적 유지가 더 효과적임.
• 반응성은 정책 적응뿐 아니라 실행 파이프라인의 개선도 함께 고려해야 함.