태그: VLA

VLA (Vision-Language-Action Model) # VLA는 눈으로 보고(Vision), 말을 알아듣고(Language), 몸을 움직이는(Action) 모델이다. 카메라 영상과 사람의 지시를 입력받아, 로봇 팔이나 다리를 어떻게 움직일지를 직접 출력한다. 예를 들어 로봇에게 “식탁 위 빈 컵을 싱크대에 넣어 줘"라고 말하면, VLA는 카메라 화면에서 빈 컵을 찾고, 그 문장의 뜻을 이해한 뒤, “팔 관절을 이만큼 돌리고 그리퍼(집게)를 닫아라” 같은 동작 명령을 1초에 수십 번씩 내보낸다. VLM과의 차이 # VLM은 이미지를 보고 글로 답한다. VLA는 같은 입력을 받아 행동으로 답한다.