2026년 9월 14일VLA 선행 연구논문해석 - Visual Instruction Tuning텍스트만 읽는 GPT-4로 이미지 설명을 대화·상세 설명·추론 문답 15만 8천 건으로 바꾸고, CLIP 시각 부호기와 Vicuna 언어 모델을 선형 투영 층 하나로 연결해 이미지를 보고 지시를 따르는 LLaVA를 원본 그림과 함께 풀어봅니다.
2026년 9월 14일VLA 선행 연구논문해석 - BC-Z: Zero-Shot Task Generalization with Robotic Imitation Learning100개 조작 과제의 시연 25,877개와 사람 영상 18,726개로 언어 문장이나 사람 영상에 조건화된 정책을 학습해, 한 번도 시연하지 않은 과제를 수행하게 만든 BC-Z를 원본 그림과 함께 풀어봅니다.
2026년 9월 14일VLA 선행 연구논문해석 - Do As I Can, Not As I Say: Grounding Language in Robotic Affordances대규모 언어 모델이 매긴 "이 기술이 지시에 쓸모 있는가"의 확률과 가치 함수가 매긴 "지금 이 기술이 성공하는가"의 확률을 곱해 다음 기술을 고르고, 101개 주방 지시를 실물 로봇으로 수행한 SayCan을 원본 그림과 함께 풀어봅니다.
2026년 9월 14일VLA 선행 연구논문해석 - A Generalist Agent텍스트·이미지·관절 값·버튼 입력을 전부 하나의 토큰열로 바꿔 1.2B 파라미터 Transformer 하나로 Atari, 이미지 캡션, 대화, 실물 로봇 블록 쌓기까지 수행하게 만든 Gato를 원본 그림과 함께 풀어봅니다.
2026년 9월 14일VLA 선행 연구논문해석 - PaLM-E: An Embodied Multimodal Language Model이미지·상태·3D 장면 표현을 언어 모델의 단어 임베딩 공간에 넣어 텍스트와 섞은 "멀티모달 문장"으로 학습하고, 한 모델로 세 가지 로봇 환경의 계획과 일반 시각-언어 과제를 함께 푼 PaLM-E를 원본 그림과 함께 풀어봅니다.
2026년 9월 14일VLA 선행 연구논문해석 - Denoising Diffusion Probabilistic Models데이터에 가우시안 노이즈를 1000단계에 걸쳐 섞고, 각 단계에서 섞인 노이즈를 맞히도록 학습한 신경망으로 순수 노이즈에서 이미지를 거꾸로 만들어 CIFAR10 FID 3.17을 기록한 DDPM을 원본 그림과 함께 풀어봅니다.
2026년 9월 14일VLA 선행 연구논문해석 - Flow Matching for Generative Modeling잡음 분포를 데이터 분포로 옮기는 벡터장을 시뮬레이션 없이 회귀로 학습하는 Flow Matching과, 곧은 직선 경로를 만드는 최적 수송 경로를 원본 그림과 함께 풀어봅니다.
2026년 9월 14일VLA 선행 연구논문해석 - Diffusion Policy: Visuomotor Policy Learning via Action Diffusion카메라 영상을 조건으로 잡음에서 로봇 행동 묶음을 반복해서 복원하는 확산 정책을 제안하고, 시뮬레이션과 실물 로봇 과제에서 기존 행동 복제 방법보다 평균 46.9% 높은 성능을 보고한 Diffusion Policy를 원본 그림과 함께 풀어봅니다.
2026년 9월 14일VLA 선행 연구논문해석 - Learning Fine-Grained Bimanual Manipulation with Low-Cost Hardware약 2만 달러짜리 양팔 원격조작 장치 ALOHA로 시연을 모으고, 행동 100걸음을 한 번에 예측하는 ACT(Action Chunking with Transformers)로 배터리 끼우기·컵 뚜껑 열기 같은 정밀 양팔 과제를 50번의 시연만으로 학습한 논문을 원본 그림과 함께 풀어봅니다.
2026년 9월 14일VLA 선행 연구VLA 선행 연구 - 전체 목차VLA 모델이 가져다 쓰는 Transformer와 LLM, 시각-언어 모델, VLA 이전의 로봇 학습, 연속 행동 생성 모델의 출발점 논문을 VLA 계보보다 먼저 읽도록 정리한 시리즈입니다.