VLA 갤러리 / 모델 목록 / 참고 기준(2024 이전)

Diffusion Policy (CNN)

Columbia University; Toyota Research Institute; MIT; Stanford University · 2023-03

VA참고 기준(2024 이전)디노이저 256Mdiffusion

행동 시퀀스를 확산 디노이징으로 생성해 다봉 행동 분포를 다루는 정책이다.

논문

분류: 참고 기준(2024 이전)
유형: VA
발표: 2023-03
기관: Columbia University; Toyota Research Institute; MIT; Stanford University
가중치 공개: 예
파라미터: 디노이저 256M(시뮬, Transport 264M)·67M(실제 과제) + 비전 인코더 22M(Transport 45M, 상태 기반 0)

백본 LLM: 없음
비전 인코더: ResNet-18
액션 헤드: 1D CNN U-Net 확산 (DDIM 10–16스텝) (diffusion)
청크: 예측 16 · 실행 8
제어 주기: 10 Hz
구조 원문 요약: ResNet-18(사전학습 없음, spatial softmax, GroupNorm) + FiLM 조건 1D 시간축 CNN U-Net; DDPM 행동열 생성(To 2, Ta 8, Tp 16), 학습 100스텝·추론 DDIM 10–16스텝, 실제 10 Hz

사전학습 가속기: 해당 없음
사전학습 기간: 해당 없음
사전학습 스텝·배치: 해당 없음
GPU·TPU-시간: 미공개
파인튜닝: 과제별: 학습 GPU 미공개(논문·README); 이미지 3000·상태 4500 에폭, 배치 64(이미지)·256(상태), lr 1e-4, warmup 500; 실제 Push-T 방법당 고정 12시간; (2차) CARP 논문 재측정 V100 12.17 GPU-시간(상태 기반 Square, 200궤적)
데이터 종류: 시뮬레이션·합성; 실로봇 텔레옵
데이터 규모: Robomimic 과제당 200(숙련)·300(혼합) 데모, Push-T 200, Block Push 1,000(스크립트), Kitchen 566; 실제 Push-T 136, 소스 과제 50(90% 학습), Egg Beater 210, Mat Unrolling 162, Shirt Folding 284; Mug Flipping 미공개†
주요 데이터셋: Robomimic; Push-T; Block Push; Franka Kitchen; 자체 실제 데모
태스크·평가: Robomimic Lift·Can·Square·Transport·ToolHang, Push-T, Block Push, Franka Kitchen; 실제 Push-T(UR5), Mug Flipping, Sauce Pouring·Spreading(Franka), 양팔 Egg Beater·Mat Unrolling·Shirt Folding(Franka)
로봇: UR5(실제 Push-T); Franka(소스 2과제, 양팔 3과제); Mug Flipping 로봇은 노트에 명시 없음

핵심 특징: 행동 시퀀스를 확산 디노이징으로 생성해 다봉 행동 분포를 다루는 정책이다. 2024–2025 VA 논문 다수가 표준 비교 기준으로 쓴다.
비고: 파라미터(B)는 최대 설정 Transport의 #D 264M + #V 45M 합산(논문은 별도 표기). 실제 과제 행은 모두 #D 67M·#V 22M. 시뮬 체크포인트는 학습 로그 폴더에 공개. 저널판 v5(2024-03)에 양팔 과제 추가. 소속에 Stanford 추가(수정 반영).
검증: 수정 반영