UniVLA: Learning to Act Anywhere with Task-centric Latent Actions
Created by
Haebom
저자
Qingwen Bu, Yanting Yang, Jisong Cai, Shenyuan Gao, Guanghui Ren, Maoqing Yao, Ping Luo, Hongyang Li
개요
본 논문은 다양한 환경에서 효과적으로 작동하는 일반화된 로봇을 위한 새로운 프레임워크인 UniVLA를 제시합니다. 기존 접근 방식이 행동 주석 데이터에 크게 의존하는 것과 달리, UniVLA는 잠재 행동 모델을 이용하여 비디오로부터 작업 중심 행동 표현을 도출합니다. 이를 통해 다양한 로봇과 관점에 걸쳐 방대한 데이터를 활용하여 환경 및 로봇 간의 지식 전이를 가능하게 합니다. 인터넷 규모의 비디오 데이터를 학습하여 얻은 일반화된 정책은 효율적인 잠재 행동 디코딩을 통해 다양한 로봇에 적용될 수 있으며, 여러 조작 및 탐색 벤치마크와 실제 로봇 배포에서 최첨단 결과를 달성합니다. OpenVLA에 비해 훨씬 적은 컴퓨팅 자원과 데이터로 우수한 성능을 보이며, 이종 데이터 (인간 비디오 포함)를 추가함으로써 성능이 지속적으로 향상됩니다.
시사점, 한계점
•
시사점:
◦
잠재 행동 모델을 이용한 효율적인 크로스-임보디먼트 VLA 정책 학습 가능성 제시
◦
인터넷 규모의 비디오 데이터 활용을 통한 스케일러블하고 효율적인 로봇 정책 학습 가능성 증명
◦
다양한 로봇 및 환경에서의 우수한 성능 달성 (OpenVLA 대비 훨씬 적은 자원 소모)
◦
이종 데이터 (인간 비디오 포함) 활용을 통한 지속적인 성능 향상 가능성 확인
•
한계점:
◦
본 논문에서 제시된 UniVLA의 실제 세계 적용에 대한 장기적인 안정성 및 견고성에 대한 추가적인 연구가 필요함.
