Hugging Face 논문기타

550억 파라미터 로봇 AI, 10개 샘플로 소형 모델 50개 능가

원제 ScaleVLA: Scaling Vision-Language-Action Models to 552 Billion Parameters

추천 36댓글 2Ruixi Yu, Dairu Liu, Xuchuan Chen 외
Key Point

대규모 언어 모델의 스케일이 로봇 학습에 직접적으로 얼마나 효과가 있는지를 체계적으로 증명한 연구로, 로봇 제어 분야의 모델 아키텍처 설계 방향에 영향을 미칠 수 있기 때문이다. ai

핵심 요약

  • Vision-Language-Action(VLA) 모델인 ScaleVLA는 552억 파라미터 규모의 DeepSeek-V4.1-Flash 백본에 훈련 가능한 액션 DiT를 연결해 로봇 제어 성능을 대폭 향상시켰다.
  • 2억~552억 파라미터 규모의 VLM들을 동일한 훈련 환경에서 비교한 결과, 샘플 효율성에서 10개 시연만으로도 20억 파라미터 모델이 50개를 필요로 할 때 도달하는 성능(87.8% vs 85.6%)을 초과했다.
  • 일반화 능력 평가에서 LIBERO-PRO 성공률이 45.1%에 도달했으며, 이는 소형 백본의 최대 성공률(31.3%)을 크게 상회한다.
  • 정밀 조작 작업인 실제 충전기 삽입에서 성공률이 4/10에서 9/10으로 개선됐으며, 성능 향상이 접촉 감지 정렬이 필요한 작업에 집중됐다.
  • 552억 파라미터 규모에도 불구하고 ScaleVLA는 액션당 중앙값 216밀리초 지연시간을 달성했다.
  • 연구팀은 최첨단 VLM이 추론 에이전트뿐 아니라 효율적이고 일반화 가능한 로봇 정책의 강력한 표현 기반으로 작용할 수 있음을 시사한다.
AI 요약 안내

AI가 한국어로 정리한 내용입니다. 정확한 정보는 원문을 확인해 주세요.

요약 원칙 ↗