기록 메모 — 연구용 모델을 고를 때 가장 강력한 모델이 아니라, 내가 직접 바꾸고 검증할 수 있는 모델을 먼저 봐야 하지 않을까?
선택지의 차이
로봇 학습에는 성능이 높지만 내부를 바꾸기 어려운 대형 모델과, 규모는 작아도 실험 과정을 확인하기 쉬운 공개 모델이 있다. 내 단계에서는 전자를 바로 따라가는 것보다 실패 원인을 추적할 수 있는 기준선이 더 필요했다. 그래서 공개 코드와 재학습 경로를 제공하는 Octo를 읽었다.
논문이 고른 방법
Octo는 다양한 로봇 데이터를 바탕으로 하나의 범용 정책을 만들되, 새 로봇이나 센서에 맞추어 다시 조정할 수 있게 설계했다. 행동을 하나의 정답 숫자로 바로 예측하는 대신, 여러 가능한 움직임을 단계적으로 다듬는 diffusion 방식의 행동 헤드를 사용한다. 이는 같은 상황에서도 안전한 움직임이 하나만은 아닐 수 있다는 판단에서 나온 선택이다.
프로젝트에 준 의미
Octo를 내 환경에 바로 넣겠다는 결론은 아직 내리지 않았다. 현재의 우선순위는 휴머노이드 보행 환경과 평가 기준을 안정시키는 일이기 때문이다. 다만 나중에 시각 정보와 행동 정책을 연결하는 실험으로 넘어갈 때, 성능 비교뿐 아니라 재현성과 수정 가능성까지 함께 보게 만드는 기준점이 됐다.
남은 질문
공개 모델을 쓴다고 해서 실제 로봇에 바로 적용할 수 있는 것은 아니다. 다음에는 더 큰 공개 VLA가 어떤 장점과 제약을 갖는지 OpenVLA를 통해 비교해 보려 한다.