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
UniVLA는 다양한 환경에서 효과적으로 수행할 수 있는 일반화된 로봇을 위한 새로운 프레임워크입니다. 기존 접근 방식이 행동 주석 데이터 확장에 크게 의존하여 단일 물리적 사양으로 제한되고 다른 구현과 환경 간에 전이 가능한 지식을 학습하는 데 어려움을 겪는다는 한계를 극복하기 위해 제안되었습니다. UniVLA는 잠재 행동 모델을 사용하여 비디오에서 작업 중심의 행동 표현을 도출하여 다양한 구현과 관점에 걸쳐 방대한 데이터를 활용합니다. 인터넷 규모의 비디오로 학습된 일반화 정책은 효율적인 잠재 행동 디코딩을 통해 다양한 로봇에 배포될 수 있습니다. 여러 조작 및 탐색 벤치마크뿐 아니라 실제 로봇 배포에서도 최첨단 결과를 얻었으며, OpenVLA보다 훨씬 적은 계산량과 데이터로 우수한 성능을 달성했습니다. 다양한 데이터(인간 비디오 포함)를 통합함으로써 성능이 지속적으로 향상됩니다.
시사점, 한계점
•
시사점:
◦
잠재 행동 모델을 이용한 효율적인 교차 구현 비전-언어-행동(VLA) 정책 학습 프레임워크 제시
◦
기존 방식보다 훨씬 적은 계산량과 데이터로 최첨단 성능 달성
◦
다양한 데이터(인간 비디오 포함) 활용을 통한 지속적인 성능 향상 가능성 제시
◦
실제 로봇 배포를 통한 성능 검증
•
한계점:
◦
논문에서는 구체적인 한계점이 명시적으로 언급되지 않음. 향후 연구를 통해 탐구될 여지가 있음.
