VLA(비전-언어-행동) 모델이란?
VLA 모델은 카메라 이미지와 언어 지시를 입력받아 로봇 행동을 바로 출력하는 로봇 파운데이션 모델이다.
수정:
정의
비전-언어-행동(VLA) 모델은 '로봇이 보는 것'과 '지시받은 것'을 '해야 할 행동'으로 바꾼다. 대부분 사전학습된 비전-언어 모델에서 출발해 로봇 데이터로 학습한 행동 헤드를 붙인다.
작동 방식
- 이미지(대개 로봇 상태 포함)와 텍스트 지시를 인코딩.
- 말단 자세, 그리퍼 명령 등 미래 행동을 예측.
- 일부를 실행하고 다시 관찰해 재계획.
왜 중요한가
VLA는 여러 작업과 로봇 형태에 걸쳐 작동하는 '범용' 로봇 정책의 주류 접근법이다. 체화 AI도 참고.
자주 묻는 질문
비전-언어 모델(VLM)과 무엇이 다른가요?
VLM은 글로 답합니다. VLA는 행동 출력(보통 짧은 미래 모터 명령 시퀀스)을 더해 로봇을 제어할 수 있습니다.
액션 청크란?
한 번에 예측하는 고정 길이의 미래 행동 시퀀스입니다. Vela 같은 연구는 대신 연속 궤적을 쓰는 방법을 탐구합니다.
VLA의 한계는?
상당수가 현재 카메라 화면에 의존하고 촉각과 기억이 없어 길고 접촉이 많은 작업에 약합니다. NEURA의 Neuron AI 같은 모델은 감각과 기억을 더합니다.
관련 보도
NEURA의 Neuron AI, 로봇 파운데이션 모델에 촉각·청각·기억을 더하다
NEURA Robotics가 3D 비전, 촉각, 힘, 오디오, 로봇 상태, 언어를 기억과 함께 융합하는 '지각-언어-행동' 모델 Neuron AI를 공개하고, 휴머노이드 4NE1으로 11분짜리 빨래 작업을 시연한다.
Physical Intelligence, π0 로봇 모델을 API로 개방
Pi API 베타로 로봇 개발자는 데이터를 올려 Pi 인프라에서 π0/π0.5를 미세조정하고 호스팅 추론으로 실행할 수 있다.
유니트리 상위 모델 G1+, 일본에서 예약 시작
GMO AIR가 10월 13일 일본에서 G1+ 예약을 시작했다. 목 관절, 강화 모터, 3D 라이다, 음성 대화를 갖췄다. 창업자 왕싱싱은 체화 AI 변곡점을 1~2년 내로 본다.
1X, 가정용 휴머노이드 NEO 실제 가정 베타 테스트
약 3개월 테스트로 2만 달러짜리 NEO가 고객 배송 전에 안전하고 안정적으로 집안일을 할 수 있는지 검증한다.
Ultra, 창고용 RaaS로 6200만 달러 조달…두뇌는 Physical Intelligence
브루클린 Ultra가 Framework 주도 시리즈 A 5000만 달러 등 총 6200만 달러. OP1을 임대하고 AI는 Physical Intelligence가 공급.
Vela: 액션 청크 대신 매끄러운 궤적을 예측하는 VLA
푸단대·홍콩중문대 팀의 Vela는 적응형 시간 범위를 가진 스플라인 곡선을 출력해 LIBERO-X, EBench, 실제 계란빵 조리와 감자 채썰기 과제에서 π0.5를 앞섰다.
Skild S1, 시뮬레이션에서 스스로 140년 분량의 축구를 학습
단일 영상 시연으로 미세조정 없이 동작하는 파운데이션 모델 S1에 이어 Physical Self-Play 공개. Isaac Sim 자가 대결 후 휴머노이드로 전이.
Figure Helix 2.5, 처음 가 본 30개 가정에서 집안일
Figure 휴머노이드가 현지 데이터 없이 베이 지역 30개 가정에서 정리·수건 개기·침대 정리를 수행. Nscale과의 35억 달러 컴퓨팅 계약이 뒷받침.
Newsletter
Robrief Weekly
중요한 로봇 뉴스만 매주 한 통. 무료이며 언제든 구독 해지 가능.