arXiv:2507.01016 cs.RO

VQ-VLA: Improving Vision-Language-Action Models via Scaling Vector-Quantized Action Tokenizers

제출 2025-07-01

한국어 초록

본 논문에서는 기존 방법들보다 100배 이상 많은 데이터를 활용한, 현재까지 가장 대규모의 행동 궤적 데이터셋을 기반으로 한 혁신적인 벡터 양자화(vector quantization) 기반 행동 토크나이저를 소개합니다. 이 방대한 데이터셋은 토크나이저가 풍부한 시공간적 역학을 포착할 수 있게 하여, 추론 속도를 가속화할 뿐만 아니라 더 부드럽고 일관성 있는 행동 출력을 생성하는 모델을 구현합니다. 학습이 완료된 토크나이저는 단기 반응 행동부터 장기 계획에 이르기까지 다양한 후속 작업에 제로샷(zero-shot) 방식으로 원활하게 적응할 수 있습니다. 본 연구의 주요 발견 중 하나는 합성(synthetic) 행동 궤적과 실제 행동 궤적 간의 도메인 갭(domain gap)이 미미하다는 점으로, 이를 통해 실제 환경 성능을 저해하지 않으면서도 방대한 양의 합성 데이터를 학습에 효과적으로 활용할 수 있음을 확인하였습니다. 제안한 방법의 유효성을 검증하기 위해 시뮬레이션 환경과 실제 로봇 플랫폼에서 광범위한 실험을 수행하였으며, 합성 궤적 데이터의 양이 증가할수록 후속 작업에서 토크나이저의 성능이 크게 향상됨을 확인하였습니다. 특히, 장기 시나리오에서 두 가지 실제 작업의 성공률이 최대 30%까지 증가하는 성과를 보였습니다. 이러한 결과는 본 행동 토크나이저가 실시간 체현 지능(embodied intelligence) 시스템을 위한 견고하고 확장 가능한 솔루션으로서의 잠재력을 지니며, 다양한 응용 분야에서 보다 효율적이고 신뢰할 수 있는 로봇 제어의 길을 열어줌을 시사합니다. 프로젝트 웹사이트: https://xiaoxiao0406.github.io/vqvla.github.io

요약

VQ-VLA는 기존 대비 100배 이상의 대규모 행동 궤적 데이터셋을 활용한 벡터 양자화(vector quantization) 기반 행동 토크나이저를 제안합니다. 이를 통해 시공간적 역학을 효과적으로 포착하여 추론 속도를 높이고 더 부드럽고 일관된 행동 출력을 생성할 수 있습니다. 학습된 토크나이저는 제로샷(zero-shot) 방식으로 다양한 단기 및 장기 행동 계획 과제에 적용 가능하며, 합성 데이터와 실제 행동 궤적 간 도메인 격차가 거의 없어 대규모 합성 데이터를 활용해도 실제 성능 저하가 없습니다. 시뮬레이션과 실제 로봇 실험에서 합성 데이터 양 증가에 따라 성능이 크게 향상되었으며, 특히 장기 과제에서 최대 30% 성공률 향상을 달성하였습니다.

함께 살펴볼 논문

공통 태그를 근거로 연결했습니다. 실제 인용 관계나 논문의 우수성을 뜻하지 않습니다.

공통 태그로 연결된 공개 논문이 아직 없습니다.

토론

이 논문과 연결된 포럼 글이 아직 없습니다.