PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2607.13597v1cs.RO

로봇 행동 표현을 위한 의미적 앵커링

Semantic Anchoring for Robotic Action Representations

비전-언어-행동(VLA) 모델은 사전학습된 비전-언어 모델로부터 풍부한 의미 표현을 상속받지만, 제한된 로봇 시연 데이터에 대한 미세조정은 이러한 구조를 저하시키고 일반화를 저해한다. 따라서 근본적인 질문이 제기된다: 좋은 행동 표현은 무엇으로 구성되는가? 관찰과 실행이 의도 수준의 인코딩을 공유한다는 거울 뉴런 이론의 통찰에서 영감을 받아, 우리는 로봇의 행동 표현이 사전학습된 인코더가 포착한 의미 구조를 보존하는지 검토한다. 체계적인 프로빙은 미세조정 과정에서 이러한 구조가 침식된다는 것을 확인하며, 그 품질이 과제 성공과 분포 외(out-of-distribution) 일반화 모두와 동기화됨을 보여준다. 또한 행동 표현을 의미 매니폴드에 앵커링하면서 표현을 공유 의미 채널과 전용(private) 채널로 분해하는 플러그앤플레이 방법을 제안한다. 이는 모두 추론 시 폐기되므로 배포된 모델은 변경되지 않는다. 시뮬레이션과 실세계 벤치마크에서 다양한 VLA 백본에 대해 검증한 결과, 본 방법은 실세계 분포 내(in-distribution) 과제에서 최대 +18.7%, 분포 외 일반화에서 +21.5%의 성능 향상을 달성한다.