PredVLA: 68만 파라미터로 언어 조건 로봇 조작을 다룬 연구 | DAKER 커뮤니티

2026년 8월 27일 Hiroki Sawada, Shunichi Kasahara 연구팀이 68만 개의 학습 가능 파라미터로 언어 조건 로봇 조작을 수행하는 PredVLA를 arXiv에 공개했습니다. 최근 로봇 조작에서는 대형 비전-언어-행동 모델이 주목받고 있지만, 강한 언어 조건 제어에 정말 큰 모델이 필수인지, 더 작은 구조가 제한된 예산에서도 경쟁할 수 있는지는 여전히 중요한 질문으로 남아 있습니다.

PredVLA는 이 질문에 대해, 로봇 데이터 사전 학습 없이 예측 코딩 기반 계층적 생성 순환 동역학으로 답을 제시합니다. 오늘 글은 논문 초록에 적힌 사실과 숫자만 바탕으로, 이 연구가 왜 눈여겨볼 만한지 정리합니다.

논문은 2026년 8월 27일 arXiv에 올라왔습니다. 초록은 arXiv:2608.26673에서 확인할 수 있고, PDF는 같은 번호의 pdf입니다. 저자는 Hiroki Sawada, Shunichi Kasahara입니다.

작은 순환 정책으로 언어 조건 조작을 다룹니다

PredVLA는 언어 조건 예측 코딩 정책입니다. 학습 가능 네트워크 파라미터는 0.68백만 개이며, 로봇 데이터 사전 학습을 사용하지 않습니다. 이 모델은 계층적 생성 순환 동역학을 통해 시각 특징과 고유수용 감각을 예측하고, 관측은 감각 예측 오차로부터의 온라인 추론을 통해서만 잠재 상태에 영향을 줍니다.

이 점은 큰 모델을 미세조정하는 접근과 구별됩니다. PredVLA는 모델 규모를 키우는 대신, 작은 순환 생성 정책의 구조 자체를 전면에 둡니다.

모델 규모가 아니라 구조 선택이 성능 차이를 만들 수 있다는 점이 PredVLA의 핵심 문제의식입니다.

LIBERO에서 보고된 성공률은 두 숫자로 요약됩니다

논문 초록에 따르면, LIBERO에서 PredVLA는 세 개의 단기 호라이즌 스위트 평균 성공률 86.9%를 기록했습니다. 장기 호라이즌 스위트를 포함하면 75.4%입니다.

이 두 숫자는 함께 읽는 것이 중요합니다. 단기 과제만 보면 더 높게 보이지만, 장기 과제를 포함하면 성능이 내려갑니다. 따라서 성공률을 인용할 때는 평가 범위를 함께 적어야 합니다. 높은 숫자만 따로 떼어 쓰면 연구가 보여준 범위를 왜곡하게 됩니다.

PredVLA의 LIBERO 성능은 단기 세 스위트 평균 86.9%, 장기 호라이즌 포함 75.4%입니다.

이 글은 초록에 없는 벤치 점수나 과제별 수치를 덧붙이지 않습니다. 논문이 직접 제시한 범위 안에서만 읽는 것이 좋습니다.

같은 조건에서 Transformer와 LSTM보다 앞섰다고 보고합니다

초록은 동결된 프론트엔드, 데모, 동작 디코더, 평가 절차를 맞춘 통제 비교에서 PredVLA가 파라미터 정합 Transformer 대비 평균 성공률 3.7배, 파라미터 정합 LSTM 대비 7.4배를 기록했다고 설명합니다.

여기서 중요한 것은 배수 자체보다 비교 조건입니다. 프론트엔드와 디코더, 평가 절차를 고정한 상태에서 구조만 비교했다는 점이 이 결과의 전제입니다. 같은 예산을 쓰더라도 구조가 다르면 결과가 크게 달라질 수 있다는 뜻으로 읽을 수 있습니다.

PredVLA는 통제된 비교에서 파라미터 정합 Transformer 대비 3.7배, LSTM 대비 7.4배의 평균 성공률을 기록했다고 초록은 밝힙니다.

다만 이것이 곧 큰 VLA가 불필요하다는 뜻은 아닙니다. 이 연구가 던지는 질문은 큰 모델을 모두 대체하자는 것이 아니라, 작은 예산에서도 다른 구조가 충분히 경쟁할 수 있는지 살펴보자는 데 있습니다.

예측 오차 기반 온라인 추론이 관측 수정의 핵심입니다

PredVLA의 또 다른 특징은 관측이 잠재 상태에 영향을 주는 경로를 감각 예측 오차로부터의 온라인 추론으로 제한한다는 점입니다. 이 덕분에 관측 기반 수정의 기여를 직접 측정할 수 있습니다.

초록이 말하는 구조를 따르면, 이 추론을 끄는 경우는 정확한 개방 루프 조건이 됩니다. 반대로 추론을 켜면 감각 불일치를 반영해 상태를 수정하는 닫힌 루프 동작이 됩니다. 같은 정책 안에서 개방 루프와 닫힌 루프를 비교할 수 있다는 점이 이 구조의 실용적인 의미입니다.

관측이 예측 오차 경로로만 상태를 수정한다는 점이 PredVLA의 측정 가능성을 만듭니다.

이 연구가 시사하는 점

PredVLA는 백만 파라미터 미만의 순환 생성 정책도 현대 언어 조건 조작 벤치에서 강한 성능을 낼 수 있음을 보여주려 합니다. 특히 로봇 데이터 사전 학습 없이 이런 결과를 보고했다는 점은, 데이터 접근이 제한된 환경에서도 구조 실험의 여지가 있다는 뜻으로 읽힙니다.

동시에 이 논문은 숫자를 인용할 때 조건을 함께 적는 일이 얼마나 중요한지도 보여줍니다. 0.68백만 파라미터, 로봇 데이터 사전 학습 없음, LIBERO, 단기 세 스위트 평균 86.9%, 장기 포함 75.4%, 그리고 통제 비교에서 Transformer 대비 3.7배, LSTM 대비 7.4배라는 문장은 분리해서 읽기보다 함께 묶어 읽어야 의미가 분명해집니다.

이 글이 말하는 범위

이 글은 큰 VLA를 폐기하자는 주장이 아닙니다. 초록은 작은 예산에서도 다른 구조가 경쟁할 수 있는지 묻습니다. 모든 큰 모델을 대체하자는 선언은 아닙니다.

이 글은 과제별 점수표가 아닙니다. LIBERO 단기 평균 86.9%, 장기 포함 75.4%, 그리고 통제 비교 배수 3.7배와 7.4배만 다룹니다. 초록에 없는 세부 점수는 추가하지 않습니다.

이 글은 사전 학습을 일반적으로 부정하는 내용도 아닙니다. PredVLA가 로봇 데이터 사전 학습 없이 학습했다는 사실만 다룹니다.

이 글은 제품 출시 공지도 아닙니다. 특정 플랫폼 기능 발표가 아니라 연구 논문 소개입니다.

이 글은 개방 루프만으로 충분하다는 뜻도 아닙니다. 예측 오차 추론을 끄면 개방 루프가 된다는 것은 측정 설계의 설명이지, 배포 기본값에 대한 처방은 아닙니다.

참고 자료

arXiv:2608.26673 — PredVLA (2026-08-27)
PDF

작은 순환 정책과 큰 VLA를 비교할 때, 여러분은 어떤 조건이 가장 먼저 통제되어야 한다고 보시나요?