역기구학 (Inverse Kinematics)을 통한 주행 VLA의 그라운딩 (Grounding) 구현

요약

기존 주행 VLA 모델이 시각적 정보를 무시하고 자차 상태와 텍스트에만 의존하는 문제를 역기구학(Inverse Kinematics) 관점에서 재정의하고 해결책을 제시합니다. 미래 시각 상태 예측 목적 함수와 시각 정보 중심의 역기구학 네트워크를 도입하여, 0.5B 규모의 작은 모델로도 7B~8B 규모의 대형 모델과 대등한 궤적 계획 성능을 달성했습니다.

핵심 포인트

• 기존 VLA 모델의 시각적 정보 무시 현상은 구조적인 작업 공식화 문제임을 규명
• 미래 시각 장면을 예측하는 '다음 시각적 상태 예측' 목적 함수를 통해 시각적 감독 강화
• 현재와 미래의 시각적 상태만을 입력으로 사용하는 교차 주의 집중 기반 조건부 확산 모델 설계
• 0.5B 모델로 대형 모델(7B~8B) 수준의 궤적 계획 성능 및 시각적 그라운딩 능력 확보
• 회전 등 동적인 주행 상황에서 시각적 특징 활용 능력이 크게 개선됨