[연구] GigaWorld-Policy-0.5: 로봇 제어 효율성 극대화한 WAM 공개

요약

GigaWorld-Policy-0.5는 로봇 정책 학습의 효율성을 높이기 위해 기존 WAM(World Action Models)의 추론 속도 문제를 해결한 새로운 모델이다. 이 모델은 학습 시 미래 시각 역학을 활용하되 추론 시에는 행동 중심의 디코딩 방식을 사용하여 실시간 폐루프 제어를 가능하게 했다. Mixture-of-Transformers 아키텍처를 도입해 시각 역학 모델링과 행동 생성을 분리했으며, 이를 통해 로컬 RTX 4090 환경에서 85ms의 추론 지연 시간을 달성했다. 또한, 에이전트 기반의 AutoResearch 파이프라인을 적용해 학습 구성과 하이퍼파라미터 튜닝 과정을 자동화하여 실험 효율성을 높였다. GigaWorld-Policy-0.5는 학습 단계에서의 시각적 역학 활용 이점을 유지하면서도 실제 로봇 제어 현장에서의 추론 성능을 크게 개선했다.

AI가 원문을 요약한 내용으로, 부정확할 수 있습니다.