VLA 갤러리 / 모델 목록 / π 계열

Real-Time Chunking (추론시 RTC)

Physical Intelligence, UC Berkeley · 2025-06

기타π 계열해당 없음flow matching

재학습 없이 diffusion·flow VLA에 적용하는 추론 기법으로, 다음 청크를 실행 중 액션에 맞춰 inpainting해 추론 지연 중에도 끊김 없이 실행한다.

논문

Real-Time Execution of Action Chunking Flow PoliciesarXiv 2506.07339

개요

분류

π 계열

유형

기타

발표

2025-06

기관

Physical Intelligence, UC Berkeley

가중치 공개

아니오

파라미터

해당 없음(π0.5 사용)

구조

백본 LLM

Gemma 2B (π0.5에 적용)

비전 인코더

SigLIP 400M (π0.5)

액션 헤드

π0.5 flow 전문가 + inpainting 청크 생성 (재학습 없음) (flow matching)

청크

50스텝

제어 주기

50 Hz

구조 원문 요약

π0.5(H=50, Δt=20 ms)에 적용; 다음 청크를 이미 확정된 액션에 조건화한 inpainting으로 생성(재학습 없음)

학습

사전학습 가속기

해당 없음

사전학습 기간

해당 없음

사전학습 스텝·배치

해당 없음

GPU·TPU-시간

미공개

파인튜닝

VLA 재학습 없음. Kinetix 시뮬레이션 정책(4층 MLP-Mixer, 32 에폭)은 환경당 H100×2 약 1.5 h, 전체 실험 H100 8장 이하

데이터 종류

해당 없음

데이터 규모

해당 없음

주요 데이터셋

해당 없음

태스크·평가

양팔 6과제(촛불 켜기, 이더넷 꽂기, 침대 정리(모바일), 셔츠 접기, 배치 접기, 설거지(모바일)), 과제·방법당 10회, 총 480 에피소드·28 h; Kinetix 12개 동적 과제

로봇

양팔·모바일 양팔 매니퓰레이터(π0.5 실기 플랫폼)

추론

추론 장치·속도

RTX 4090, bf16, denoising 5스텝: 기준선 76 ms vs RTC 97 ms; π0 KV 캐시 prefill 46 ms

추론 메모리

미공개

가중치 bf16 (계산)

미공개

실행 위치

로컬 PC

강화학습 · 베이스

강화학습

미사용 · 추론 기법(재학습 없음)

베이스 제어

바퀴형 (형식 미기재) · π0.5 모바일 양팔 과제 2종(Make bed·Dishes in sink)에 RTC 적용; 베이스 속도 포함 여부는 논문 미기재(π0.5 기준)

비고

핵심 특징

재학습 없이 diffusion·flow VLA에 적용하는 추론 기법으로, 다음 청크를 실행 중 액션에 맞춰 inpainting해 추론 지연 중에도 끊김 없이 실행한다. 양팔 6과제 480 에피소드, 로봇 실행 28시간으로 평가했다.

비고

학습을 바꾸지 않는 추론 방법이라 가중치·데이터 항목은 해당 없음. 학습시 RTC(2025-12)는 별도 행.

검증

수정 반영