Stellar VLA는 개방 환경에서 일반적인 로봇 지능 개발을 위해 지속적인 기술 학습을 가능하게 하는 지식 기반 지속 학습 프레임워크입니다. 이 프레임워크는 VLA 모델의 지속 학습 문제를 해결하기 위해 두 가지 변형(T-Stellar, TS-Stellar)을 제안합니다. T-Stellar은 작업 중심 지식 공간을 모델링하고, TS-Stellar는 계층적 작업-기술 구조를 캡처합니다. Stellar VLA는 자체 지도 학습을 통해 지식 진화를 가능하게 하며, 주석 요구 사항을 줄입니다. 지식 기반 전문가 라우팅은 추가 네트워크 파라미터 없이 작업 전문화를 제공하여 학습 오버헤드를 낮춥니다. LIBERO 벤치마크 및 실제 작업에서 기본 모델 대비 50% 이상의 평균 성공률 향상을 보였으며, TS-Stellar은 복잡한 액션 추론에서도 뛰어난 성능을 보였습니다.
