구조화된 단계 및 키프레임 감독으로 비전-언어-액션 모델 미세조정 개선
Improving Vision-Language-Action Model Fine-Tuning with Structured Stage and Keyframe Supervision
VLA 미세조정에서 모든 타임스텝에 동일한 액션 감독을 적용하면 그리퍼 이벤트 전환 지점에서 실패가 집중되는 문제를, 시연 그리퍼 상태로 조작 단계 분류와 다음 그리퍼 전환 키프레임 예측 신호를 자동 도출하는 플러그인 보조 감독 프레임워크 StaKe로 해결한다. 양팔 시뮬레이션과 Franka 실제 로봇 작업에서 성공률이 각각 14%·56% 상대 향상되었고, 그리퍼 전환이 많은 장기 작업에서 개선이 더 크게 나타났다.