HAF-VLA: 다리, 허리, 팔 순서로 동작 생성해 휴머노이드 과제 점수 68.3%
걷기와 머리, 허리, 팔 순서로 동작을 단계별로 생성하는 휴머노이드 제어 모델이 실제 과제 6종에서 평균 68.3%를 기록해 pi0.5의 53.3%를 앞섰다는 프리프린트다. 기존 범용 VLA 가중치를 재사용해 비용이 적다.
고정형이나 바퀴형 로봇용으로 만든 VLA 모델을 다리와 머리, 허리, 팔과 손 순서로 동작을 생성하게 바꾸면 전신 보행 휴머노이드에 적용할 수 있는가.
휴머노이드는 걷기와 자세, 시선, 양팔을 동시에 맞춰야 한다. 26개 제어 차원을 한 번에 생성하면 하체와 허리의 작은 오차를 상체가 보정하려다 정밀도와 안정성이 떨어진다.
pi0.5 같은 범용 VLA는 동작 묶음 전체를 한 단계에서 생성한다. 엔비디아 GR00T N1.7과 Cosmos Policy, 모방학습 ACT도 신체 부위별 생성 순서를 두지 않는다.
HAF-VLA는 pi0.5의 시각언어 인코더와 액션 전문가를 그대로 쓰고, 하나의 행동 공간 안에서 보행과 머리, 허리, 팔과 손의 3단계로 각 10스텝씩 디노이징한다. 각 단계 결과를 KV 캐시로 다시 인코딩해 다음 단계 조건으로 넘긴다. 과제마다 원격조작 시연 120건으로 톈궁 3.0과 2.0에서 학습했다.
과제당 실로봇 10회 평가에서 평균 68.3%로 pi0.5 53.3%, GR00T N1.7 37.8%, ACT 25.6%, Cosmos Policy 25.0%를 앞섰다. 상자 옮기기 93.3%(pi0.5 60.0%), 공 던지기 56.7%(33.3%)였다. 상자 운반 실험에서 다리, 허리, 팔 순서는 86.7%로 허리 우선 70.0%, 팔 우선 60.0%보다 높았고, 30스텝 pi0.5는 30.0%에 그쳤다. 목표 테이블을 30cm 옮겨도 73.3%를 유지했다(pi0.5 40.0%).
연구진은 단계가 늘어 지연이 커진다고 밝혔다(0.123초, 10스텝 pi0.5는 0.075초). 한 연구실의 로봇 두 대에서 설정당 10회만 시험해 한두 번의 결과로 점수가 여러 포인트 움직일 수 있다. 동료 심사 전 프리프린트다.
범용 VLA를 라이선스하거나 미세조정해 쓰는 휴머노이드 기업에 의미가 크다. 국내에서도 레인보우로보틱스나 에이로봇 같은 휴머노이드 개발사가 기존 모델 위에 생성 순서만 추가하는 방식으로 짧은 기간에 검증해볼 수 있는 접근이다.
이 논문은 라이선스상 전문을 게재할 수 없어 요약과 원문 링크만 제공합니다.