VLA 갤러리 / 모델 목록 / VA

Chain-of-Action

ByteDance Seed; University of Adelaide; NUS; CAS; CSIRO · 2025-06

VAVA미공개회귀

목표 키프레임부터 현재 시점까지 궤적을 거꾸로 생성해 전역 목표를 행동에 반영한다.

논문

Chain-of-Action: Trajectory Autoregressive Modeling for Robotic ManipulationarXiv 2506.09990

개요

분류

VA

유형

VA

발표

2025-06

기관

ByteDance Seed; University of Adelaide; NUS; CAS; CSIRO

가중치 공개

미확인

파라미터

미공개

구조

백본 LLM

없음

비전 인코더

ResNet-18 (다중 시점)

액션 헤드

키프레임부터 역순 자기회귀 연속 행동 (회귀)

청크

미공개

제어 주기

미공개

구조 원문 요약

다중 시점 ResNet-18 + 트랜스포머 인코더 4층·디코더 7층; 키프레임 행동에서 시작하는 역순 자기회귀 궤적 생성, 연속 행동 토큰·잠재 일관성 손실, 학습 시 다중 토큰 예측 헤드, 동적 정지

학습

사전학습 가속기

해당 없음

사전학습 기간

해당 없음

사전학습 스텝·배치

해당 없음

GPU·TPU-시간

미공개

파인튜닝

과제별: H100 1장, 20,000 반복, 배치 128(README 기본값 동일); 시간 미공개

데이터 종류

시뮬레이션·합성; 실로봇 텔레옵

데이터 규모

RLBench 과제당 100데모; 실제 과제당 35–81데모

주요 데이터셋

RLBench; 자체 Fetch 데이터

태스크·평가

RLBench 60과제 중심; Fetch 실제 주방 8과제

로봇

Fetch(실제); RLBench 시뮬레이션

추론

추론 장치·속도

미공개

추론 메모리

미공개

가중치 bf16 (계산)

미공개

실행 위치

미공개

강화학습 · 베이스

강화학습

미사용 · 모방학습(행동 복제)만 사용

베이스 제어

고정 · 베이스 이동은 Fetch 내장 LiDAR 내비게이션(별도 스택); 정책은 EE 절대 자세만

비고

핵심 특징

목표 키프레임부터 현재 시점까지 궤적을 거꾸로 생성해 전역 목표를 행동에 반영한다. 과제당 H100 1장으로 학습한다.

비고

ACT·DP 대비 향상을 보고했으나 노트에 수치 없음.

검증

확인