[연구의 필요성]

• 최신 VLA(Vision-Language-Action) 모델들은 다양한 작업을 수행할 수 있는 범용성을 지니고 있으나, 학습 과정에서 경험하지 못한 새로운 작업에 대해서는 성능이 급격히 저하되는 한계가 존재한다. 이로 인해 새로운 태스크를 마주할 때마다 대규모 연산 자원이 소모되는 재학습을 매번 수행해야 한다는 문제점이 있다. 이에 대한 대안으로 제시된 ICIL(In-Context Imitation Learning) 기법 역시, 모델이 기학습된 내부 지식에 과도하게 의존하거나 상황에 부합하지 않는 부정확한 행동을 생성한다는 한계가 있다.

  
  

  [포스텍이 가진 고유의 기술]
• 본 연구에서는 현재 직면한 새로운 상황과 행동적 연관성이 가장 높은 데이터를 정밀하게 검색하기 위한 '행동 정렬 손실 함수(behavioral alignment loss)'와, VLA 모델이 검색된 외부 정보를 충실히 반여하여 올바른 행동을 생성하도록 유도하는 '문맥 준수 손실 함수(contextual adherence loss)'를 제안한다. 이를 통해 학습된 각 컴포넌트들은 데이터를 효율적으로 캐싱하는 메모리 모듈과 결합되어 최적의 프레임워크를 구성하게 된다.

  
  

[연구의 의미]

• 제안하는 방법론은 기존 기법들과 달리 추가적인 학습 없이도 새로운 작업에 대한 탁월한 현장 적응 능력을 보여준다. 특히, 검색 및 참조하는 데이터의 양이 증가하더라도 추가적인 연산 오버헤드가 거의 발생하지 않아, 실시간 제어가 필수적인 실제 로봇 운영 환경에서 높은 실효성과 활용 가치를 가진다.
• 
  [연구결과의 진행 상태 및 향후 계획]
• 본 연구의 핵심 기술에 대한 구현 및 성능 검증은 완료된 상태이며, 향후 본 기술을 작업 시연 영상과 같은 새로운 형태의 멀티모달 데이터로 확장 적용하는 후속 연구를 계획하고 있다.

[성과와 관련된 실적]

• 장상환, 전민진, 김민수, 최성진, 김동하, 유환조 / RA-VLA: Retrieval-Augmented VLA for Test-Time Adaptation
• 본 연구 성과는 세계 최고 권위의 인공지능 국제학술대회인 ICML(International Conference on Machine Learning) 2026에 게제 승인되었으며, 현재 핵심 기술에 대한 특허 출원 절차를 진행 중이다.

[성과와 관련된 이미지]