로보틱스 VLA(Vision-Language-Action) 모델 최신 기술 동향 (2026-04-09)

요약

2026년 4월, 로보틱스 분야의 VLA 모델은 단순히 명령을 따르는 수준을 넘어 **공간 추론(Spatial Reasoning)**과 에너지 효율성, 그리고 **강건성(Robustness)**을 확보하는 단계로 진화했습니다. 특히 3차원 공간 인식을 강화한 프레임워크들이 대거 등장했습니다.

주요 내용

1. 최신 주요 프레임워크 (2026.04)

  • ST4VLA (Spatially Guided Training): 공간 접지 사전 학습과 공간 가이드 행동 사후 학습의 2단계를 통해 로봇이 3차원 세계에서 ‘어디서, 어떻게’ 행동해야 하는지 정확히 이해하게 합니다.
  • ACoT-VLA (Action Chain-of-Thought): 추론의 중심을 ‘지각’에서 ‘행동’으로 옮겨 로봇이 행동 공간에서 직접 ‘생각’하게 함으로써 장기 작업(Long-horizon tasks)의 정밀도를 높였습니다.
  • Q-DIG: VLA 모델의 언어적 취약성을 진단하고 개선하는 기법으로, 동일한 명령에 대한 단어 선택의 변동에도 성공률을 일정하게 유지하도록 돕습니다.

2. 기술적 돌파구

  • 뉴로-심볼릭 VLA: 기존 시스템에 심볼릭 규칙을 결합하여 에너지 소비를 100배 절감하면서도 퍼즐 풀이 성공률을 34%에서 95%로 끌어올렸습니다.
  • ReconVLA: 별도의 어노테이션 없이 언어 기반 어텐션 마스킹을 통해 시각적 인지 능력을 강화하여 추론 속도를 5배 향상시켰습니다.

3. 주요 연구소 동향

  • Physical Intelligence (): VLA 모델에서 RL 토큰을 추출하여 효율적인 온라인 강화학습을 구현하고, 다중 스케일 체화 메모리(MEM)를 통해 10분 이상의 긴 작업도 수행합니다. (2026-04-16) 는 다중 모달 프롬프트(how 메타·시각 서브골)로 조합적 일반화·크로스 엠보디먼트를 강화 — Physical-Intelligence-pi0-Foundation-Model.md.
  • Google Gemini Robotics: Gemini 2.0 기반으로 고수준 계획(ER)과 저수준 행동 생성이 협업하는 구조를 갖추었습니다.

AX1센터 R&D 시사점

  • 에이전트의 ‘행동 추론’ 능력 강화 관점에서 Action Chain-of-Thought 개념을 소프트웨어 에이전트의 API 호출 및 워크플로우 실행에 응용할 수 있습니다.
  • 에너지 효율적인 ‘뉴로-심볼릭’ 접근법은 온디바이스 AI 에이전트 구현 시 중요한 참고 모델이 됩니다.

원문 URL 및 참고문헌

  • arxiv.org (ST4VLA - 2026.04.08)
  • pi.website (Physical Intelligence 최신 기술 블로그)

관련 노트