로봇 기초 모델의 한 번에 생성하는 동작 정책 K-MF 제안
원제 Kinematic MeanFlow: One-Step Action Generation Policy for Robotic Foundation Models
추천 40댓글 1
Key Point
로봇 기초 모델의 추론 속도를 30~55% 단축할 수 있는 기법이 공개되었으므로, 실시간 로봇 제어가 필요한 현장 적용에 큰 영향을 미칠 수 있다.
핵심 요약
- 로봇 기초 모델(RFM)에서 다단계 플로우 매칭의 높은 추론 지연을 극복하기 위해 한 번에 동작을 생성하는 방법을 연구했다.
- 기존 MeanFlow 방식을 직접 적용하면 성능이 무너지는데, RFM 속도장의 두 가지 특수한 역학 때문이다: (1) '로컬 가속도'는 초기에는 안정적이지만 노이징 제거 후기에 급격히 증가, (2) 표본 간 크기의 편차가 노이징 제거가 진행될수록 확대된다.
- 이를 해결하기 위해 Kinematic MeanFlow(K-MF)를 제안했다. K-MF는 운동학적 항등식에 근거해 MeanFlow의 시간 미분항을 중간점으로 분리된 두 개의 부분 구간항으로 분해한다.
- 분해된 공식은 두 항이 각각 노이징 제거 초기 단계와 후기 단계의 역학을 포착하면서 전체 과정에서 오차 증폭을 완화한다.
- K-MF는 처음부터 학습하는 방식과 미세 조정 방식 모두에서 다양한 작업에 걸쳐 한 번에 동작을 생성할 수 있으며, 대부분의 설정에서 다단계 플로우 매칭보다 우수하다.
- 추론 효율성 측면에서 K-MF는 GR00T-N1.6의 동작 헤드 지연을 L40와 Jetson Orin에서 67.5~74.4% 감소시키고, 종단간 지연은 30.3~54.9% 감소시킨다.