연구Thu, August 6, 2026·Aug 62 sources corroborating

DyPES-VLA, 다양한 로봇 형태를 아우르는 제어 겨냥

제안된 VLA 모델은 공유 동역학 사전지식을 학습하면서 각 로봇의 고유 액션 공간에서 제어를 수행한다.

왜 중요한가

이 연구는 범용 로봇 정책의 핵심 병목인 이질적인 로봇 몸체 간 조작 행동 전이를 다룬다. 검증된다면, 서로 다른 로봇 형태 전반에서 VLA 시스템을 훈련할 때 필요한 수동 전처리를 줄일 수 있다.

핵심 포인트

1.다양한 로봇 형태의 데이터에서 공유 동역학 사전지식을 학습한다.
2.로봇 형태별 MoE 헤드를 사용해 고유 액션 공간을 지원한다.
3.이질적인 액션의 수동 사전 정렬을 피하는 것을 목표로 한다.

연구진은 다양한 로봇 형태 간 조작을 위한 비전-언어-액션 모델 DyPES-VLA를 제안했다. 이 방법은 서로 다른 로봇 형태에서 수집한 데이터로 미래 예측 목표를 적용해 비전-언어 모델을 훈련함으로써 물체의 움직임, 접촉, 상호작용으로 인한 장면 변화를 포착한다. 또한 로봇 형태별 mixture-of-experts 액션 헤드를 사용해 공유 동역학 사전지식을 각 로봇 형태의 고유 액션 공간에 맞는 제어로 변환하며, 수동 액션 사전 정렬은 필요로 하지 않는다.

⚡ 오늘 바로 활용

수동 액션 공간 정렬에 의존하는 크로스 로봇 VLA 훈련 파이프라인을 설계하기 전에 이 논문을 읽어볼 필요가 있다.

#robotics #vla #skillmemo #resample #dypes-vla

출처 및 원본 보도

이 브리핑은 아래 매체의 보도를 요약하고 링크합니다.

이 브리핑이 유용했나요? 다음 소식을 메일로 받아보세요.

DyPES-VLA, 다양한 로봇 형태를 아우르는 제어 겨냥

왜 중요한가

핵심 포인트

⚡ 오늘 바로 활용

출처 및 원본 보도

관련: 연구

Google, 동형암호로 프라이빗 AI 진전

Google, private AI를 실용화하고 있다고 밝혀

연구진, 통제된 LLM 연구용 LittleLearner 공개