💻 computer science

Hermite Curves as Trajectory Priors for Vision-Language-Action Models

본 논문은 액션 청크(action chunks)를 매끄러운 조각별 3차 곡선(piecewise cubic curves)으로 매개변수화하기 위해 에르미트 궤적 사전 확률(Hermite trajectory priors)을 도입하며, 에르미트 정규화(Hermite Regularization)를 통해 매끄러움과 연속성을 명시적으로 강제하는 것이 효과적인 학습 유도 편향(learning inductive bias)으로 작용함으로써 시뮬레이션 및 실로봇 작업 모두에서 시각-언어-행동(Vision-Language-Action) 모델의 성공률을 유의미하게 향상시킨다는 것을 입증한다.

원저자: Qi Lv, Jianming Xing, Zhao Yang, Mingyuan Yao, Yinan Shi, Yawei Jueluo, Mike Zheng Shou, Xiang Deng

게시일 2026-08-04

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Qi Lv, Jianming Xing, Zhao Yang, Mingyuan Yao, Yinan Shi, Yawei Jueluo, Mike Zheng Shou, Xiang Deng

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

당신이 로봇에게 수건을 접거나 블록을 냄비에 넣는 것과 같은 섬세한 작업을 가르치고 있다고 상상해 보세요. 당신은 로봇이 "손을 여기로 움직이고, 그다음 저기로 움직이고, 그다음 또 저기로 움직여라"와 같이 아주 작고 끊기는 동작을 하나씩 수행하는 것을 원치 않을 것입니다. 그렇게 되면 마치 글리치가 발생한 비디오 게임 캐릭터처럼 껑충거리는 모습이 될 것입니다. 대신, 당신은 로봇이 무대 위를 미끄러지듯 움직이는 무용수처럼 부드럽고 흐르는 듯한 동작을 하기를 원합니다. 이것이 바로 시각-언어-행동(Vision-Language-Action, VLA) 모델의 세계입니다. 이들은 카메라를 통해 세상을 "보고", 당신의 지시를 "읽고", 로봇 팔을 움직임으로써 "행동"할 수 있는 매우 똑똑한 AI 시스템입니다.

오랫동안 이 로봇들은 다소 서툴렀습니다. 로봇이 일련의 움직임(이를 "액션 청크"라고 부릅니다)을 계획할 때, 대개 점과 점 사이의 선이 들쑥날쑥하고 날카로운 점 잇기 퍼즐처럼 개별적인 위치들을 긴 문자열로 나열하곤 했습니다. 이로 인해 로봇은 다음 계획으로 넘어갈 때 덜컥거리거나, 떨리거나, 혹은 갑자기 멈춰버리곤 합니다. 이는 마치 도로를 한 번에 단 1인치씩만 보며 운전하려는 것과 같아서, 결국 심하게 갈지자로 움직이게 될 것입니다. 과학자들이 던지는 핵심 질문은 이것입니다. 어떻게 하면 로봇에게 삐죽삐죽한 선 대신 매끄럽고 연속적인 곡선으로 계획하도록 가르쳐서, 실제 살아있는 생명체처럼 움직이게 할 것인가?

이 논문은 **헤르미트 곡선(Hermite Curves)**이라 불리는 무언가를 사용하여 이러한 서투름을 해결하는 영리하고 새로운 방법을 소개합니다. 헤르미트 곡선을 단순한 점들의 목록이 아니라 유연한 자라고 생각해 보세요. 로봇에게 매 순간 어디에 있어야 하는지를 알려주는 대신, 시작점과 끝점, 그리고 출발할 때의 속도와 도착할 때의 속도를 알려주기만 하면 됩니다. 그러면 수학이 그 지점들 사이를 채워 매끄럽고 완벽한 경로를 자동으로 만들어냅니다. 연구진은 이 "유연한 자" 아이디어를 로봇의 두뇌 안에 사용하는 세 가지 서로 다른 방법을 테스트했습니다.

가장 놀랍고 성공적인 발견은, 이 도구를 사용하는 가장 좋은 방법이 실제 작업 중에 로봇이 반드시 이 완벽한 곡선으로만 움직이도록 강제하는 것이 아니라는 점입니다. 대신, 로봇은 이 매끄러운 곡선을 훈련 가이드로 사용해야 합니다. 체조 선수가 평균대 위에서 연습하는 것을 상상해 보세요. 그들이 실제 경기 중에 평균대가 반드시 옆에 있을 필요는 없지만, 부드러운 느낌을 익힐 수 있도록 충분히 연습하는 것은 중요합니다. 이와 유사하게, 연구진은 훈련 과정 중에 "매끄러움에 대한 페널티"를 추가하는 것—즉, 계획된 움직임이 너무 울퉁불퉁할 경우 로봇을 부드럽게 꾸짖는 것—이 로봇이 실제로 작업할 때 특수한 곡선 수학을 사용하지 않더라도 훨씬 더 일을 잘하게 만든다는 것을 발견했습니다.

그들의 테스트에서, 이 "훈련 전용"(연구진은 이를 헤르미트 정규화라고 부릅니다) 방식은 큰 호응을 얻었습니다. LIBERO라는 컴퓨터 시뮬레이션에서, 이 방식은 로봇의 성공률을 약 96%에서 거의 99%까지 끌어올렸습니다. 더욱 인상적인 것은, 실험실의 실제 물리적 로봇을 대상으로 했을 때 성공률이 63.4%에서 무려 90.0%로 급증했다는 점입니다. 로봇은 더 부드럽게 움직였고, 덜 떨었으며, 잡고 있는 물체를 떨어뜨릴 확률도 훨씬 낮아졌습니다. 이 논문은 로봇이 학습 단계에서 매끄럽고 연속적인 경로로 "생각"하도록 가르침으로써, 추가적인 컴퓨터 연산 능력이나 반응 속도의 저하 없이도도 복잡한 현실 세계를 다룰 수 있는 숨겨진 초능력을 부여한다고 제안합니다. 결국, 우아한 로봇을 만드는 비결은 화려한 새로운 엔진이 아니라, 춤추는 법을 더 잘 가르치는 방법에 있었습니다.

기술 요약: VLA(Vision-Language-Action) 모델을 위한 궤적 사전 확률로서의 에르미트 곡선(Hermite Curves)

문제 정의
로봇 조작 분야에서 VLA 모델이 거둔 성공에도 불구하고, "액션 청크(action chunk)" 인터페이스는 여전히 구조적으로 취약한 상태로 남아 있다. 현재의 최첨단 모델들은 일반적으로 액션 청크를 개별 타임스텝 제어의 시퀀스로 평탄화(flattening)하여 처리한다. 이러한 표현 방식은 청크를 연속적인 궤적에 대한 명시적인 개념이 결여된, 독립적인 이산 샘플들의 집합으로 취급한다. 이는 두 가지 주요 실패 모드로 이어진다:

청크 내부의 불일치성(Intra-chunk incoherence): 타임스텝들을 독립적으로 최적화하는 방식은 점 단위의 재구성 손실(pointwise reconstruction losses)에 의존하므로, 시간적 매끄러움(temporal smoothness)이 결여된 들쭉날쭉하고 고주파적인 움직임을 억제하지 못한다.
청크 간의 불연속성(Inter-chunk discontinuity): 폐루프 재계획(closed-loop replanning) 시, 인접한 청크들이 경계 연속성(위치 또는 속도)을 강제하지 않은 채 단순히 연결된다. 이는 재계획 시점(seams)에서 급격한 도약과 속도 스파이크를 유발하여 물리적 불안정성과 작업 실패를 초래한다.

저자들은 이러한 문제들이 모델 용량의 부족이 아니라, 누락된 귀납적 편향(inductive bias)에서 기인한다고 주장한다. 평탄한 표현 방식은 물리적 움직임에 내재된 시간적 매끄러움과 경계 연속성을 임베딩하는 데 실패한다.

방법론
본 논문은 양 끝점의 위치와 속도로 정의되는 조각별 3차 에르미트 곡선(piecewise cubic Hermite curves)으로 액션 청크를 매개변수화하는 **에르미트 궤적 사전 확률(Hermite trajectory priors)**을 제안한다. 이 접근 방식은 경계 변수를 밀집 궤적으로 매핑하는 고정된 미분 가능한 선형 연산자( $D_H$ )를 통해 매끄러움과 연속성을 명시적으로 강제한다.

저자들은 궤적 구조가 어떻게 통합되어야 하는지를 조사하기 위해 세 가지 서로 다른 VLA 모델링 패러다임에 이 사전 확률을 적용하였다:

에르미트 토큰(HERMITE-VLADH): 이산 자기회귀(autoregressive) 모델을 위해 설계되었다. 액션 청크는 양 끝점의 위치 및 속도를 나타내는 양자화된 에르미트 경계 변수로 인코딩된다. 이들은 토큰으로서 자기회귀적으로 예측된다. 디코더는 이 토큰들로부터 매끄러운 궤적을 재구성하며, 이 과정에서 자기회귀 루프를 메인 백본이 아닌 경량화된 액션 헤드로 국한시킨다.
에르미트 스캐폴드(HERMITE-VLACH): 연속 생성 모델(예: flow matching)을 위해 설계되었다. 모델은 예측된 깨끗한 액션을 구조적 "에르미트 스캐폴드"(저차원 경계 매개변수)와 타임스텝별 잔차(residual)로 분해한다. 스캐폴드는 전역적 연속성을 보장하고, 잔차는 고주파 국부 변동을 포착한다.
에르미트 정규화(HERMITE-VLAReg): 마찬가지로 연속 모델을 위한 것이나, 결정적인 차이점이 있다: 에르미트 연산자가 엄격하게 보조 훈련 목적 함수로만 사용된다. 보조 헤드는 공유된 특징으로부터 에르미트 경계 변수를 예측하며, 이는 실제 궤적(ground-truth trajectory)에 의해 감독된다. 추론 시에는 이 브랜치를 폐기하며, 원래의 베이스라인 액션 헤드와 샘플링 절차를 그대로 유지한다. 이 변형은 런타임 매개변수화나 추론 오버헤드를 추가하지 않고도 궤적 구조의 귀납적 편향을 제공하는 것을 목표로 한다.

주요 기여

명시적 궤적 매개변수화: 본 논문은 평탄한 타임스텝별 제어를 양 끝점의 위치와 속도로 대체하여, 경계 연속성과 매끄러움을 액션 표현에 직접 임베딩하는 압축된 3차 에르미트 연산자를 도입하였다.
패러다임 불가지론적 통합: 저자들은 이 고정된 연산자가 HERMITE-VLADH를 통해 이산 자기회귀 모델과 연속 생성 모델 모두를 지원할 수 있음을 입증하였다.
훈련 단계의 귀납적 편향: HERMITE-VLAReg의 도입은 궤적 연속성을 훈련 시의 구조적 목적 함수로 강제하는 것이 런타임 분해 방식보다 우수한 성능을 보이며, 추론 오버헤드 없이 최적의 결과를 달-성함을 보여준다.
운동학적 특성 분석: 본 연구는 생성된 움직임에 대한 미세한 분석을 제공하며, 사전 확률이 저크(jerk)를 효과적으로 낮추고, 고주파 스펙트럼 콘텐츠를 억제하며, 실제 하드웨어에서의 시점(seam) 과도 현상을 완화함을 입증한다.

실험 결과
실험은 두 가지 시뮬레이션 벤치마크(LIBERO 및 LIBERO-plus)와 단일 암 및 듀얼 암 플랫폼을 사용하는 네 가지 실제 로봇 작업에서 수행되었다.

시뮬레이션 성능:
- HERMITE-VLAReg는 연속 정책 중 가장 높은 성공률을 기록하며, 표준 LIBERO에서 베이스라인 $\pi0.5$ 를 95.9%에서 **98.7%**로, 분포 변화가 있는 LIBERO-plus에서 85.7%에서 **90.9%**로 개선하였다.
- HERMITE-VLADH는 이산 베이스라인 $\pi0$ -FAST를 LIBERO에서 85.5%에서 **95.4%**로 향상시켰다.
- 성능 향상은 장기 호라이즌 작업(LIBERO-10)과 카메라/로봇 섭동(perturbation)이 있는 환경에서 가장 두드러졌으며, 이는 사전 확률이 확장된 재계획 과정 중의 오차 누적을 효과적으로 완화함을 시사한다.
실제 로봇 성능:
- 네 가지 실제 로봇 작업에서 HERMITE-VLAReg는 **90.0%**의 평균 성공률을 달성하였는데, 이는 $\pi0.5$ 베이스라인(63.4%)과 HERMITE-VLACH(81.7%)에 비해 유의미한 개선이다.
- 이러한 개선은 주로 실행 지터(jitter)로 인해 베이스라인이 실패하곤 했던 작업의 중간 단계(정밀 배치/접기 등)에서 주도되었다.
궤적 품질:
- 저크(위치의 3차 미분) 및 SPARC(스펙트럼 호 길이) 지표 분석을 통해 에르미트 변형 모델들이 훨씬 더 매끄러운 움직임을 생성함을 확인하였다.
- HERMITE-VLAReg는 베이스라인 대비 중앙값 저크를 약 13% 감소시켰으며, 재계획 시점에서의 가속도 스파이크를 크게 줄였다(특정 작업에서 시점 불연속성을 약 50% 감소시킴).
- 정성적 분석 결과, 베이스라인은 종종 들쭉날쭉한 지그재그 경로와 국부적 진동을 보였으나, 에르미트 변형 모델들은 직접적이고 연속적인 궤적을 따랐다.

의의 및 주장
본 논문은 에르미트 궤적 사전 확률의 주요 가치가 런타임 제약이 아니라 학습 단계의 귀납적 편향으로서의 역할에 있다고 주장한다. HERMITE-VLAReg(훈련 전용)가 런타임 분해 방식인 HERMITE-VLACH보다 우수한 성능을 보인다는 발견은, 구조적 제약이 모델의 표현력을 제한하지 않으면서 특징 학습 과정을 가이드할 때 가장 효과적이라는 점을 시사한다.

저자들은 궤적 사전 확률을 명시적으로 구조화하는 것이 현재 VLA 아키텍처의 근본적인 간극, 즉 고수준 추론과 저수준 제어 사이의 물리적 움직임 구조의 부재를 해결한다고 결론짓는다. 경계 연속성과 매끄러움을 학습 목적 함수에 임베딩함으로써, 이 방법은 추가적인 계산 비용이나 추론 파이프라인의 수정 없이도 견고하고 매끄러운 물리적 실행을 가능하게 한다. 이는 로봇 조작 정책의 신뢰성을 높이기 위한 가볍고 플러그 앤 플레이(plug-and-play)가 가능한 패러다임을 제시한다.

유사한 논문