VLA 갤러리 / 모델 목록 / π 계열

학습시 RTC

학습시 RTC (Training-time RTC, π0.6)

Physical Intelligence · 2025-12

기타π 계열π0.6 기반하이브리드

추론 지연(실기 0~10스텝 균등 샘플)을 학습 때 흉내 내 액션 prefix 조건화를 배우므로 추론시 RTC의 추가 연산이 없다.

논문

Training-Time Action Conditioning for Efficient Real-Time ChunkingarXiv 2512.05964

개요

분류

π 계열

유형

기타

발표

2025-12

기관

Physical Intelligence

가중치 공개

아니오

파라미터

π0.6 기반(별도 수치 없음)

구조

백본 LLM

Gemma 3 4B (π0.6)

비전 인코더

SigLIP 400M (π0.6)

액션 헤드

π0.6 flow 전문가 (지연 시뮬레이션 학습) (하이브리드)

청크

미공개

제어 주기

미공개

구조 원문 요약

π0.6 그대로(구조·런타임 변경 없음); 학습 중 추론 지연을 시뮬레이션하고 이미 실행된 액션 prefix에 조건화

학습

사전학습 가속기

해당 없음(π0.6 기반)

사전학습 기간

해당 없음

사전학습 스텝·배치

해당 없음

GPU·TPU-시간

미공개

파인튜닝

과제별 8,000 스텝·배치 512(하드웨어·시간 미공개)

데이터 종류

실로봇 텔레옵(과제별 파인튜닝 데이터)

데이터 규모

미공개

주요 데이터셋

과제별 데이터(미공개)

태스크·평가

박스 조립, 에스프레소 만들기(π0.6); 시뮬레이션 비교는 학습 연산을 맞춘 조건

로봇

π0.6 실기 플랫폼(50 Hz 로봇)

추론

추론 장치·속도

원격 H100, denoising 5스텝: 학습시 RTC 108 ms(d≈5) vs 추론시 RTC 135 ms(d≈7)

추론 메모리

미공개

가중치 bf16 (계산)

미공개

실행 위치

원격 서버

강화학습 · 베이스

강화학습

미사용 · 추론 지연을 시뮬레이션한 지도 파인튜닝

베이스 제어

고정 · 베이스 제어 언급 없음 (상자 조립·에스프레소 과제)

비고

핵심 특징

추론 지연(실기 0~10스텝 균등 샘플)을 학습 때 흉내 내 액션 prefix 조건화를 배우므로 추론시 RTC의 추가 연산이 없다. 박스 조립·에스프레소에서 추론시 RTC와 같은 성능을 더 낮은 지연으로 냈다.

비고

π0.6 기반 파인튜닝 기법이라 유형은 기타. 50 Hz 로봇에서 최대 200 ms 지연을 지원. 시뮬레이션은 지연 {0..4}를 지수 감소 가중으로 샘플.

검증

확인