PaceVLA, KAIST와 리얼월드 휴머노이드 물류 처리량 분당 6.3개로 1.75배
KAIST와 로봇 AI 스타트업 리얼월드(RLWRLD) 연구진이 로봇 정책이 작업 단계마다 빠르게 크게 움직일지, 천천히 정밀하게 움직일지 스스로 고르게 하는 기법을 프리프린트로 공개했다. 휴머노이드 ALLEX의 컨베이어 물류 처리량은 분당 3.6개에서 6.3개로 늘었고 성공률은 86%에서 94%로 올랐다.
시각언어행동(VLA) 모델이 학습에 쓴 사람 시연보다 빠르게 움직이면서도 정확도를 지킬 수 있는지, 이를 위해 작업 단계별로 동작의 시간 단위와 예측 길이를 따로 고를 수 있는지를 묻는다.
VLA 정책은 원격조작 시연을 그대로 따라 배운다. 사람 조작자는 제한된 입력 장치로 실패를 피하려 조심스럽게 움직이기 때문에, 학습된 로봇도 빈 공간에서 팔을 뻗거나 물건을 옮길 때조차 잘게 쪼갠 동작을 반복한다. 연속 동작을 묶어 큰 명령으로 만들면 빨라지지만, 이를 전 구간에 적용하면 잡기와 놓기처럼 정밀함이 필요한 순간의 움직임까지 사라진다.
고정 비율의 시간 양자화는 궤적 전체에 같은 묶음 비율을 적용한다. DemoSpeedup은 보조 정책의 행동 엔트로피로 시연 데이터를 가속하고, SAIL은 동작과 그리퍼 신호에 따라 미리 정한 저속과 고속을 오간다. 모두 장면을 보고 판단하지 않고 동작 통계로 속도를 정한다는 한계가 있다.
PaceVLA는 기존 흐름정합 VLA(엔비디아 GR00T N1.5, 시뮬레이션에서는 리얼월드의 RLDX-1-IMG)를 미세조정하고 공유 행동 전문가에 출력 디코더 4개를 붙였다. 정밀 모드 2개와 양자화 모드 2개가 각각 짧은 예측과 긴 예측을 맡는다. 대형 시각언어모델이 만든 라벨로 학습한 판정기가 카메라 영상과 지시문을 보고 지금 거칠게 움직여도 되는지 판단하고, 라우터가 매 추론마다 모드 하나를 고른다. 팔 뻗기와 운반에는 굵고 긴 예측을, 잡기와 놓기에는 촘촘하고 짧은 예측을 쓴다.
15자유도 손을 단 휴머노이드 ALLEX가 시험당 소포 10개를 처리하는 과제에서 처리량은 GR00T N1.5 기본형의 분당 3.6개에서 6.3개로 1.75배가 됐고 성공률은 86%에서 94%로 올랐다. 고정 양자화는 분당 4.2개에 72%, SAIL은 4.3개에 78%였다. 프랭카 팔(과제당 32회)에서는 집어 옮기기가 12.1초에서 7.6초로 37%, 에어프라이어 과제가 24.6초에서 14.6초로 41%, 컵 쌓기가 45% 짧아졌고 성공률은 기본형과 비슷했다. 고정 양자화는 에어프라이어와 컵 과제에서 성공률이 각각 28.2%포인트, 21.9%포인트 떨어졌다. 6자유도 손을 단 양팔 OpenArm에서는 작업 시간이 33%와 39% 줄었다. 추론 지연은 RTX 5090 기준 40.07ms에서 42.15ms로 늘었다.
프리프린트다. 실로봇 시험은 과제 6개에 각 32회이며 휴머노이드 과제는 하나뿐이고, 모두 연구진의 자체 환경과 시연(컨베이어 320개)으로 이뤄졌다. 판정기는 대형 시각언어모델이 만든 라벨에 의존한다. 시뮬레이션 일부 항목에서는 기본형보다 낮아, RLDX-1-IMG 기반 RoboCasa 집어 옮기기 성공률은 45.0%로 기본형 48.5%에 못 미쳤다. 속도 개선은 느린 원격조작 시연 대비 수치로, 숙련자가 짠 산업용 로봇 프로그램과 비교한 것은 아니다.
학습형 로봇 정책이 생산 라인의 프로그래밍 로봇을 대체할 수 있는지는 결국 사이클 타임에서 갈린다. 이 연구는 새 하드웨어나 데이터 없이 그 숫자를 줄였다. 논문이 RLDX 모델을 쓴 리얼월드에 직접적인 의미가 있고, 추론 부담이 약 5%에 그치는 미세조정 부가 기법이어서 GR00T 기반 정책을 쓰는 기업에도 적용 여지가 크다. MEKAWIRE 기업 프로필상 ALLEX를 개발 중인 위로보틱스 같은 국내 휴머노이드 업체에는 같은 로봇으로 물류 처리량을 거의 두 배로 올리는 이런 개선이 1~2년 안에 시범 사업을 유료 도입으로 넘기는 근거가 될 수 있다.
이 논문은 라이선스상 전문을 게재할 수 없어 요약과 원문 링크만 제공합니다.