GeoAAC, 로봇 행동 계획 범위 자동 조정 기술

대부분의 시각-언어-행동(Vision-Language-Action, VLA) 정책은 카메라 영상과 언어 지시를 곧바로 로봇의 모터 명령으로 변환하는 인공지능 시스템으로, 행동을 '청크(chunk)'라는 묶음 단위로 생성합니다. 즉 센서를 다시 확인하기 전까지 정해진 개수의 미래 행동을 한꺼번에 실행하는 방식입니다. 아카이브(arXiv)에 공개된 새 논문에 따르면, 이런 고정 길이 방식은 실제 작업에 잘 맞지 않는다는 문제가 있습니다. 정교한 잡기 동작처럼 촘촘하고 잦은 피드백이 필요한 순간이 있는가 하면, 긴 팔 뻗기처럼 더 먼 앞날까지 미리 계획해도 무방한 순간도 있기 때문입니다.

연구진이 제안한 GeoAAC(지오메트리 기반 적응형 행동 청킹)는 플로우 매칭(Flow Matching)이라는 생성 기법, 즉 단계적으로 노이즈를 제거해가며 행동을 만들어내는 방식을 사용하는 VLA 정책을 대상으로 합니다. 연구진은 이 노이즈 제거 궤적의 기하학적 패턴, 구체적으로는 예측된 행동 시퀀스의 여러 앞부분(prefix)에 걸쳐 궤적이 얼마나 변화하는지가 예측의 불확실성과 상관관계를 보인다는 점을 발견했습니다. GeoAAC는 이 신호를 이용해 '지평별 기하학적 프로파일'을 구성하고, 단 한 번의 생성 과정만으로 별도의 추가 학습 없이 즉석에서 적절한 행동 지평을 결정합니다.

이 방법은 기존 VLA 정책인 GR00T N1.5와 π0.5를 대상으로 LIBERO, LIBERO-Pro, RoboCasa365 시뮬레이션 벤치마크와 실제 조작 작업에서 검증됐습니다. 고정 지평 방식 및 기존의 다른 적응형 청킹 기법과 비교했을 때, GeoAAC는 시뮬레이션에서 최대 8.7%포인트의 작업 성공률 향상을 보였고, 실제 환경에서는 평균 성공률이 고정 지평 방식의 53.3%에서 74.4%로 크게 뛰었습니다.

이 논문은 IEEE 국제 로봇공학 및 자동화 학술대회(ICRA) 2027 제출작으로, 정책 자체를 다시 설계하지 않고도 기존 플로우 기반 VLA 시스템이 실제 조작 작업의 다양한 정밀도 요구에 더 잘 대응하도록 만드는, 추가 학습이 필요 없는 방법으로 이번 연구를 소개하고 있습니다.