기존의 시각-언어-행동(VLA) 모델은 학습 데이터로부터 단일 고정 실행 속도를 상속받습니다. 본 논문에서는 TempoVLA, 즉 데이터 측면의 가변 속도 궤적 증강(VSTA)과 경량 모델 측면 조절 메커니즘을 결합한 단일 속도 제어 가능 VLA 프레임워크를 제안합니다. 두 기법 모두 경량이며 기존 VLA에 적용 가능합니다. 시뮬레이션 및 실제 환경 실험 결과, TempoVLA는 유연한 양방향 속도 제어 능력을 제공하고 기본 베이스라인 성능을 향상시키며 외부 VLM을 통한 동적 속도 제어를 달성합니다.
서론 및 동기
오프라인 로봇 시연 데이터로 학습된 시각-언어-행동 모델은 데이터 분포로부터 단일 고정 실행 속도를 학습합니다. 배포 후 이러한 정책은 작업 단계나 환경 조건에 관계없이 동일한 속도로 행동을 실행하여 유연성과 견고성을 제한합니다. TempoVLA는 VLA 프레임워크에 직접 속도 제어 기능을 도입하여 로봇이 배포 중 명령에 따라 실행 속도를 변경할 수 있도록 함으로써 이 한계를 해결합니다.
TempoVLA 프레임워크
TempoVLA의 핵심 통찰은 속도 제어가 두 수준에서 작동해야 한다는 것입니다: 학습 데이터에 가변 속도 궤적을 포함하도록 증강하고, 정책 출력을 원하는 속도 명령에 따라 조절하는 것입니다. 가변 속도 궤적 증강(VSTA) 구성 요소는 엔드 이펙터(EEF) 행동을 누적 및 분할하여 기존 시연 데이터를 여러 속도로 재시간 조정합니다. 모델 측 조절 메커니즘은 스칼라 속도 계수를 입력으로 받아 정책의 행동 예측을 조정합니다.
속도 증강을 위한 엔드 이펙터 공간의 이점
조작 작업의 경우 작업 성공은 엔드 이펙터와 조작 대상 간의 상대적 자세에 달려 있습니다. 관절 공간보다 엔드 이펙터 공간에서 시연을 재시간 조정하면 작업 의미를 더 충실하게 보존합니다. 세 가지 구조적 이유가 이러한 선호를 설명합니다:
- 단일 관절에서의 기하학적 증폭: 근위 관절의 작은 재시간 조정 오류는 지렛대 효과로 인해 엔드 이펙터에서 기하학적으로 증폭됩니다.
- 운동학적 체인 전체의 비선형 결합: 순기구학은 관절 각도를 엔드 이펙터 자세에 비선형적으로 매핑하므로, 선형 보간된 관절 증분은 비선형 엔드 이펙터 움직임을 생성합니다.
- 제어기 실현 가능성: 엔드 이펙터 공간 재시간 조정은 저수준 제어기가 역기구학을 사용하여 새로운 속도에서 동적으로 실현 가능한 관절 궤적을 찾을 수 있게 합니다.
VSTA는 관절 명령만 노출하는 플랫폼에 직접 적용할 수 있지만, 엔드 이펙터 행동이 작업 관련 성능을 더 좋게 합니다.
실패 모드 분석
정성적 실패 사례 분석은 TempoVLA의 사용 가능한 속도 범위를 보여줍니다. 느린 명령에서 로봇은 진행이 정체될 수 있습니다. 각 행동이 효과적인 작업 진행에 너무 적게 기여하여 정책이 다음 조작 단계로 전환되지 않고 위상 경계 근처에 갇히게 됩니다. 느린 실행은 행동 크기가 감소하더라도 필요한 단계 전환을 완료할 만큼 충분한 진행을 유지하는 경우에만 유용합니다.
빠른 명령에서 엔드 이펙터는 대상 영역을 오버슈트하여 정책이 수정하기 전에 유효 상호작용 창을 지나칠 수 있습니다. 이는 좁은 공간적 및 시간적 허용 오차에 의존하는 접촉이 많은 단계에서 특히 해롭습니다. 그리퍼가 물체를 지나치거나 물체를 분포 외 상태로 교란하면 나머지 롤아웃은 복구 불가능해질 수 있습니다.
속도 선택의 시사점
TempoVLA는 전체 롤아웃에 극단적인 고정 속도를 할당하는 데 사용해서는 안 됩니다. 대신 현재 조작 단계에 따라 속도를 선택해야 합니다: 위험이 적은 자유 공간 이동에서는 더 빠르게, 정밀한 상호작용이 필요한 접촉이 많은 단계 근처에서는 더 느리게. 이 관찰은 위상 인식 속도 선택이 고정 속도 실행보다 성능이 우수한 동적 속도 스케줄링 결과와 일치합니다.
제어기 중심 방법과의 관계
제어기 측 접근 방식(정책이 출력을 생성한 후 목표 속도 스케일링이나 스텝 주기 연장)은 정책의 다운스트림에 위치합니다. 이러한 방법은 정책이 이미 예측한 것을 재조정하거나 재시간 조정할 수만 있는 반면, 가변 속도 훈련은 정책 수준에서 해당 예측의 내용을 변경합니다. 두 접근 방식은 직교하며 직접 결합할 수 있습니다: TempoVLA 정책은 실행 측 미세 조정이 필요할 때 여전히 제어기 측 변조와 쌍을 이룰 수 있습니다.
한계 및 향후 작업
속도 범위의 높은 끝에서 정책의 단계별 목표가 고정된 저수준 제어기의 추적 대역폭을 초과하기 때문에 실현된 속도 향상이 점차 포화됩니다. TempoVLA와 함께 제어기를 공동 최적화하는 것은 향후 작업의 자연스러운 확장입니다.
자주 묻는 질문
TempoVLA가 정책이 행동을 생성한 후 단순히 속도 명령을 스케일링하는 것과 어떻게 다른가요? TempoVLA는 훈련 중 정책 수준에서 작동하여 행동 예측 자체의 내용을 변경합니다. 제어기 측 속도 스케일링은 다운스트림에서 작용하며 정책이 이미 생성한 출력만 재조정할 수 있으므로 두 접근 방식은 상호 보완적입니다.
TempoVLA가 관절 공간이 아닌 엔드 이펙터 공간에서 궤적을 증강하는 이유는 무엇인가요? 엔드 이펙터 공간은 그리퍼와 물체 간의 상대적 자세와 같은 작업 관련 수량을 직접 보존하고, 근위 관절의 기하학적 증폭을 피하며, 저수준 제어기가 새로운 속도에서 동적으로 실현 가능한 관절 궤적을 해결할 수 있게 합니다.
전체 롤아웃에 극단적인 고정 속도를 명령하면 어떻게 되나요? 느린 고정 속도는 각 행동이 작업 진행에 너무 적게 기여하여 진행이 정체될 수 있고, 빠른 고정 속도는 그리퍼가 물체를 지나쳐 오버슈트 실패를 유발합니다. 속도는 조작 단계별로 조정되어야 합니다.
TempoVLA를 기존 시각-언어-행동 모델과 결합할 수 있나요? 네, VSTA 데이터 증강 및 모델 측 조절은 아키텍처 개편 없이 기존 VLA 프레임워크에 적용할 수 있는 경량 모듈로 설계되었습니다.