[논문리뷰] FLOWER: Democratizing Generalist Robot Policies with Efficient Vision-Language-Action Flow Policies

링크: 논문 PDF로 바로 열기

저자: Moritz Reuss, Hongyi Zhou, Marcel Rühle, Ömer Erdinç Yağmurlu, Fabian Otto, Rudolf Lioutikov

핵심 연구 목표

본 논문은 현재 Vision-Language-Action (VLA) 정책의 높은 계산 비용과 자원 요구사항 문제를 해결하고자 합니다. 특히, 수십억 개의 파라미터를 가진 대규모 모델 없이도 강력한 성능을 달성하는 효율적인 일반화 로봇 정책을 개발하는 것을 목표로 합니다.

핵심 방법론

효율성 향상을 위해 두 가지 주요 기법을 제시합니다. 첫째, 중간 모달리티 융합(intermediate-modality fusion) 을 통해 사전 학습된 VLM 레이어의 30-50% 를 가지치기하고, 결과 중간 임베딩을 Flow Transformer 의 입력으로 사용합니다. 둘째, 액션별 Global-AdaLN 컨디셔닝 을 도입하여 트랜스포머 헤드 파라미터를 20% 감소시켰습니다. 이러한 기여를 통합한 950M 파라미터 VLA 인 FLOWER 는 Rectified Flow 를 사용하여 효율적인 액션 생성을 가능하게 합니다.

주요 결과

FLOWER 는 200 H100 GPU 시간 의 사전 학습만으로도 10개의 시뮬레이션 및 실제 벤치마크에 걸쳐 190개 작업 에서 경쟁 모델과 동등하거나 우수한 성능을 달성했습니다. 특히 CALVIN ABC 벤치마크 에서 4.53 이라는 새로운 SoTA를 기록했으며, 실제 환경에서는 OpenVLA의 31% 대비 두 배 높은 61% 의 평균 성공률을 보였습니다. 추론 효율성 측면에서 RTX 4090 GPU 에서 311Hz 의 처리량과 1.85 GB 의 낮은 VRAM 사용량을 보여, 상용 하드웨어 배포에 이상적임을 입증했습니다.

AI 실무자를 위한 시사점

FLOWER 는 대규모 VLA 모델의 높은 컴퓨팅 장벽을 낮춤으로써 로봇 정책 개발의 접근성 을 크게 향상시킵니다. 중간 모달리티 융합 과 Global-AdaLN 기법은 제한된 컴퓨팅 자원으로 고성능 로봇 제어 시스템을 구축하려는 AI/ML 엔지니어에게 실용적인 솔루션을 제공합니다. 빠른 사전 학습 시간과 효율적인 추론 성능 덕분에 FLOWER 는 실제 로봇 애플리케이션에 직접 적용 가능한 강력하고 비용 효율적인 일반화 정책의 개발을 가속화할 것입니다.

⚠️ 알림: 이 리뷰는 AI로 작성되었습니다.