AnchorRefine: Synergy-Manipulation Based on Trajectory Anchor and Residual Refinement for Vision-Language-Action Models
Author
- Haebom
Category
Empty
저자
Tingzheng Jia, Kan Guo, Lanping Qian, Yongli Hu, Daxin Tian, Guixian Qu, Chunmian Lin, Baocai Yin, Jiapu Wang
💡 개요
본 논문은 정밀한 조작을 위해 전역적인 궤적 구성과 국소적인 실행 보정을 통합하는 AnchorRefine라는 계층적 프레임워크를 제안합니다. AnchorRefine는 궤적 앵커(거친 움직임 계획)와 잔차 정제(실행 중 편차 보정)로 VLA 모델링을 분리하여, 단일 공간에서의 최적화 문제를 해결합니다. 이를 통해 시뮬레이션 및 실제 로봇 환경에서 기존 VLA 모델들의 성능을 크게 향상시킵니다.
🔑 시사점 및 한계
•
조작과 같이 정밀도가 중요한 작업에서, 전역 계획과 국소 보정을 분리하는 계층적 접근 방식이 효과적임을 입증했습니다.
•
제안된 의사 결정 인지 그리퍼 정제 메커니즘은 이산적이고 경계에 민감한 그리퍼 제어의 정확도를 높이는 데 기여합니다.
•
향후 연구에서는 더 복잡하고 다양한 조작 작업으로 AnchorRefine의 일반화 가능성을 탐색하거나, 실시간 적용을 위한 효율성 향상에 초점을 맞출 수 있습니다.
