VLA 갤러리 / 모델 목록 / 참고 기준(2024 이전)

ACT

Stanford University; UC Berkeley; Meta · 2023-04

VA참고 기준(2024 이전)약 80MCVAE

행동 청크를 한 번에 회귀하고 시간 앙상블로 겹친 예측을 평균하는 저비용 양팔 모방학습 정책이다.

논문

Learning Fine-Grained Bimanual Manipulation with Low-Cost HardwarearXiv 2304.13705

개요

분류

참고 기준(2024 이전)

유형

VA

발표

2023-04

기관

Stanford University; UC Berkeley; Meta

가중치 공개

아니오

파라미터

약 80M

구조

백본 LLM

없음

비전 인코더

ResNet18

액션 헤드

관절 위치 청크 회귀 + 시간 앙상블 (CVAE)

청크

100스텝

제어 주기

50 Hz

구조 원문 요약

ResNet18 + CVAE 트랜스포머(인코더 4층·디코더 7층, hidden 512, FF 3200, 8헤드, 잠재 32차원); 관절 위치 청크 k=100 회귀, 지수 가중 시간 앙상블, 50 Hz

학습

사전학습 가속기

해당 없음

사전학습 기간

해당 없음

사전학습 스텝·배치

해당 없음

GPU·TPU-시간

미공개

파인튜닝

과제별: RTX 2080 Ti(11GB) 1장, 약 5시간; 배치 8, lr 1e-5, KL 가중 10; 에폭은 논문 미기재(README: 시뮬 예시 2000, 실제 5000 이상 권장)

데이터 종류

실로봇 텔레옵; 시뮬레이션·합성

데이터 규모

실제 과제당 50데모(Thread Velcro 100), 에피소드 8–14초(400–700스텝), 과제당 약 10–20분; 시뮬 과제당 50데모(스크립트·사람)

주요 데이터셋

ALOHA 자체 수집

태스크·평가

실제 6과제(Slide Ziploc, Slot Battery, Open Cup, Thread Velcro, Prep Tape, Put On Shoe); 시뮬 2과제(Transfer Cube, Bimanual Insertion)

로봇

ALOHA 저가 양팔(리더-팔로워 원격조작), 시스템 2만 달러 미만

추론

추론 장치·속도

약 0.01초(RTX 2080 Ti)

추론 메모리

미공개

가중치 bf16 (계산)

0.2 GB

실행 위치

로컬 PC

강화학습 · 베이스

강화학습

미사용 · 모방학습(CVAE 행동 복제)

베이스 제어

고정 · 베이스 제어 없음 (ALOHA 고정 양팔)

비고

핵심 특징

행동 청크를 한 번에 회귀하고 시간 앙상블로 겹친 예측을 평균하는 저비용 양팔 모방학습 정책이다. 2만 달러 미만 ALOHA 장비와 과제당 50데모로 정밀 양팔 작업을 학습했다.

비고

모든 연산 수치는 과제별. 데이터 길이는 분 단위(과제당 약 10–20분)로만 공개돼 시간(h) 칸은 비움. 코드·시뮬 데이터 공개, 체크포인트 없음.

검증

확인