Papers·어제
LabVLA: 과학 실험 로봇을 위한 VLA 모델 — RoboGenesis 시뮬레이터로 데이터 부족 해결
Baochang Ren 팀이 과학 실험실 환경에 특화된 VLA 모델 LabVLA를 공개했습니다. LabVLA는 Qwen3-VL-4B-Instruct 백본에 FAST action token 사전학습과 flow matching 후학습을 결합해 LabUtopia 벤치마크에서 모든 평가 기준선 대비 최고 평균 성공률을 기록했습니다. 데이터 부족 문제를 해결하기 위해 RoboGenesis라는 시뮬레이션 기반 데이터 엔진도 함께 공개했습니다.
과학 실험실에서 로봇이 프로토콜을 직접 수행하도록 하는 VLA 모델 LabVLA가 등장했습니다.
핵심 결론
- 벤치마크 — LabUtopia에서 in-distribution과 out-of-distribution 모두에서 모든 기준선 대비 최고 평균 성공률.
- 모델 — Qwen3-VL-4B-Instruct 기반, FAST 사전학습 + flow matching 후학습.
방법
- 데이터 엔진 — RoboGenesis: 실험실 워크플로를 원자 스킬로 분해, 시뮬레이션 롤아웃 후 검증·필터링.
- 2단계 학습 — 1단계: FAST action token 사전학습으로 백본에 행동 인식 능력 부여. 2단계: DiT action expert를 flow matching으로 학습, 지식 단절(knowledge insulation) 적용.
한계·조건
- 데이터 — 전적으로 시뮬레이션(RoboGenesis)에 의존, 실제 실험실 데이터와의 괴리 가능성.
- 로봇 — 다양한 로봇 형상을 지원하지만 벤치마크는 특정 프로파일로 제한.
편집자 한 줄
시뮬레이션에서 실제 실험실로의 전이(Sim-to-Real)가 관건일 듯합니다.
- #vla
- #robotics
- #scientific-lab
- #simulation
- #qwen
Baochang Ren