로봇 정책 호출 줄인 VLA 모델, 부드러운 동작 가능해졌다

핵심 요약

• Vision-Language-Action 모델은 로봇 조작의 통합 정책으로 쓰이지만, 높은 추론 비용으로 인해 정책 호출 사이에 로봇이 정지해야 하고 이는 부드러운 동작을 방해하고 작업 시간을 늘린다.
• 액션 청크(action chunk)를 늘리면 정책 호출과 일시 정지를 줄일 수 있지만, 더 먼 미래를 예측하다 보니 장시간 청크 실행의 신뢰도가 떨어진다.
• 연구팀은 장시간 청크 내 액션 오류를 분석했고, 오류가 조작 서브스킬 간의 전환 지점에 집중되며 청크 길이에 따라 급격히 증가함을 발견했다.
• 이 관찰을 바탕으로 RACE(Reliable Action-Chunk Extension) 프레임워크를 제시했으며, 보조 원스텝 디노이징 패스에서 전환 타이밍을 예측하고 액션 생성을 그에 맞춰 진행한다.
• 시뮬레이션 벤치마크에서 RACE는 같은 청크 길이의 파인튜닝을 상회했고, 2배 긴 청크에서 최신 효율적 VLA 모델을 능가하며, 4배 긴 청크에서도 경쟁력 있는 성능을 유지한다.
• 실제 로봇 실험에서 RACE는 4배 긴 청크를 사용해 일시 정지로 인한 유휴 시간을 약 5배 감소시키면서 같은 청크 길이 파인튜닝보다 높은 성공률을 달성했다.