개요 로봇 AI의 오랜 가정은 ‘전문 모듈을 조합하라’였다. 인식 모듈, 추론 엔진, 행동 생성기를 따로 만들어 파이프라인으로 연결한다. Pelican-Unified 1.0은 이 가정을 버렸다. 이해, 추론, 상상, 행동 — 네 가지 능력을 하나의 학습 루프에 묶고, 하나의 체크포인트로 서비스한다. 그리고 전문 모델에 뒤지지 않는 성능을 냈다. ...
핵심 요약 VLA(Vision-Language-Action) 모델은 일반화된 로봇 제어의 길을 여는 한편, **추론 지연(latency)**이 비동기 실행 시 관측을 낡게(stale) 만든다. 이 문제를 풀기 위해 동시기에 제안된 네 방법(IT-RTC, TT-RTC, VLASH, A2C2)은 그동안 서로 다른 코드베이스·정책·프로토콜로 평가돼 우열을 가릴 수 없었다. 본 논문은 네 방법을 통일된 코드베이스 두 개로 묶어 Kinetix·LIBERO 두 벤치마크에서 추론 지연 d=0~20 단계까지 sweep해 비교했다. A2C2의 per-step 잔차 보정이 Kinetix·LIBERO 모두에서 강했고, TT-RTC는 가장 강건한 학습 기반 방법으로 추론 오버헤드 0이라는 강점을 보였다. VLA 실배포에서 어떤 보정 기법을 고를지는 목표 지연 범위와 추론 비용 허용도에 따라 갈린다는 것이 명확해졌다. VLA 모델과 ‘관측 stale’ 문제 Vision-Language-Action(VLA) 모델은 카메라 입력과 자연어 지시를 한 모델에서 받아 로봇 행동 시퀀스를 생성한다. 일반화 능력은 매력적이지만 모델 크기가 커질수록 한 번의 추론에 걸리는 시간도 길어진다. ...