로봇 제어의 '뇌와 소뇌'를 한곳에 모은 REA 런타임
원제 REA: A Routed Embodied Agent Runtime for Asynchronous Brain-Cerebellum Control
추천 11댓글 1
Key Point
로봇 제어에서 느린 '뇌'와 빠른 '소뇌'의 충돌을 런타임 수준에서 해결한 새로운 접근으로, 실제 로봇 작업에서 기존 방식보다 25~26% 더 효율적으로 작동함을 보여줍니다.
핵심 요약
- 파운데이션 모델은 고수준 추론에는 강하지만 미세한 제어에는 너무 느리고, VLA 같은 빠른 정책은 반응성은 좋지만 일반화에 약하다는 문제가 있다.
- REA는 deliberative System 2(파운데이션 모델), embodied router System 1(라우터), reactive System 0(빠른 정책)을 하나의 런타임에서 조율하는 통합 시스템이다.
- 핵심 규칙은 '어떤 실행 정책도 뇌의 응답을 기다리지 않는다'는 것으로, 비동기 조율을 통해 속도 저하를 방지한다.
- route memory는 각 정책의 성공률을 미리 기록해두고, boundary-triggered judge gate는 필요할 때만 뇌에 의존하며, 공유 예산 기반의 escalation ladder로 제한된 범위 내에서 복구를 시도한다.
- LIBERO-Pro 3,000개 테스트 에피소드에서 REA는 95.9% 성공률을 달성했으며, 단일 모델 베이스라인 94.7%를 넘었고 제어 스텝은 25%, 제어 시간은 17% 단축했다.
- RoboTwin 2.0에서 VLA 정책만 사용 시 84%, VLA+코드 조합 시 86% 성공률을 기록했으며, 최강 단일 VLA 베이스라인 MEDex의 80%를 상회한다.
- 학습 정책과 프로그래매틱 정책이 동일한 런타임 내에서 작동하며, BEHAVIOR-1K와 실제 Unitree G1 휴머노이드 로봇으로의 전이 학습에서도 최고 성능을 보였다.