시각-언어-행동 모델의 미세 조정 혁신: 속도와 성공률을 동시에 잡다!

김무진, 첼시 핀, 퍼시 리앙 등이 주도한 연구에서 시각-언어-행동 모델(VLA)의 미세 조정 기법을 혁신하여 속도와 정확도를 비약적으로 향상시켰습니다. 최적화된 미세 조정(OFT) 기법을 통해 시뮬레이션 및 실제 로봇 실험에서 모두 뛰어난 성능을 달성했으며, AI 로봇 기술의 실용화에 크게 기여할 것으로 기대됩니다.

AI 로봇의 똑똑함, 한 단계 더 진화하다!

최근 AI 연구 분야에서 큰 주목을 받고 있는 시각-언어-행동 모델(VLA). 이 모델은 사물을 보고 이해하고, 언어 명령을 따르며, 실제 행동까지 수행하는 능력을 갖춰 로봇 공학의 혁신을 이끌고 있습니다. 하지만 새로운 환경에 적응하는 데는 여전히 어려움을 겪어왔습니다. 김무진, 첼시 핀, 퍼시 리앙 등 세계적인 연구진이 이 문제에 도전장을 내밀었습니다!

속도와 정확성, 모두 잡은 '최적화된 미세 조정(OFT)'

연구진은 OpenVLA라는 기존 모델을 기반으로 '최적화된 미세 조정(Optimized Fine-Tuning, OFT)'이라는 혁신적인 기법을 개발했습니다. OFT는 병렬 디코딩, 행동 청킹(작업을 작은 단위로 나누는 기법), 연속 행동 표현, 그리고 L1 회귀 기반 학습 목표 등을 통합하여 모델의 성능과 속도를 동시에 향상시켰습니다.

어떤 변화가 있었을까요?

• 속도 향상: 행동 생성 처리량이 무려 26배나 증가했습니다! 이는 마치 로봇이 쏜살같이 움직이는 것과 같습니다.
• 정확도 향상: LIBERO 시뮬레이션 벤치마크에서 성공률이 76.5%에서 97.1%로 엄청나게 높아졌습니다. 더욱 정확하고 안정적인 작업 수행이 가능해졌습니다.
• 유연성 향상: 다양한 입력-출력 사양에 유연하게 대처할 수 있게 되었습니다. 마치 사람처럼 상황에 맞춰 행동을 조절하는 능력을 얻은 것입니다.

실제 로봇에서도 놀라운 성과!

연구진은 실제 이족보행 로봇인 ALOHA를 이용한 실험에서도 OFT의 효과를 검증했습니다. 다른 VLA 모델들과 강화학습 기반 정책들보다 최대 15%의 성공률 향상을 기록하며 실제 환경에서도 뛰어난 성능을 입증했습니다. 특히 복잡하고 빠른 움직임이 필요한 작업에서도 성공적으로 수행되는 모습을 보여주었습니다.

새로운 가능성을 열다

이번 연구는 단순한 성능 향상을 넘어, VLA 모델의 실제 세계 적용 가능성을 크게 높였다는 점에서 큰 의미를 갖습니다. 더욱 빠르고 정확하며, 유연하게 작업을 수행하는 AI 로봇은 여러 산업 분야에 혁신적인 변화를 가져올 것입니다. 연구진은 OFT와 미세 조정된 모델을 공개하여 다른 연구자들의 활용을 지원하고 있습니다. (https://openvla-oft.github.io/)

이 연구는 AI 로봇 기술의 발전에 한 획을 그은 중요한 성과로, 앞으로 AI 로봇 기술의 더욱 빠른 발전을 기대하게 합니다.