OpenVLA-OFT
행동 생성 (VLA)발표일 2025.02가중치 공개 · MIT
병렬 디코딩·액션 청킹·연속 액션 L1 회귀를 결합한 OpenVLA 최적화 파인튜닝 레시피(OFT). 추론 26배 가속과 LIBERO 97.1% 달성, ALOHA 양팔 실기 적용.
- 파라미터
- 7공식
- 제어 빈도
- 25공식
- 적용 로봇
- —
- 벤치마크 결과
- 3건
B (10억 개)
Hz · 행동 출력 빈도
윙치키에 연결된 로봇
수록된 점수
공식 자료프로젝트 페이지 openvla-oft.github.io논문 arxiv.org코드 저장소 github.com가중치 huggingface.co
한눈에 읽기
무엇인가
- 행동 생성 (VLA) — Vision-Language-Action. 영상과 지시를 받아 로봇의 팔·손 동작으로 바꾸는 AI.
- 발표일 2025-02
- 가중치 공개 (MIT) — 내려받아 직접 실행·추가 학습할 수 있음
- 수록된 벤치마크 결과 3건
- 연결된 학습용 데이터셋 1개
확인된 정보
- 사양 9개 항목 중 6개에 값이 있음
- 공식 공식 6개: 구조, 입력, 파라미터 (B), 제어 빈도 (Hz), 적용 로봇 형태, 발표 벤치마크
- 벤치마크 결과 3건: 자체 발표 1건 · 자체 발표 외 평가 2건
- 값 확인일 2025-02 · 값마다 출처는 아래 '구조와 학습' 표
확인이 필요한 정보
- 값 없는 기본 사양 (공개 자료에서 찾지 못함): 학습용 데이터셋
- 수록된 로봇과의 연결 기록 없음 — 쓰이지 않는다는 뜻이 아니라 공개 자료에서 찾지 못했다는 뜻이에요
어떤 모델인가
OpenVLA-OFT는 스탠퍼드대 Moo Jin Kim, Chelsea Finn, Percy Liang이 2025년 2월 발표한 행동 생성 (VLA) 모델 파인튜닝 레시피 'Optimized Fine-Tuning(OFT)'과, 이 레시피를 7B 파라미터 OpenVLA에 적용한 모델이다. 3인칭·손목 카메라 이미지와 로봇 관절 상태, 언어 지시를 입력받는다. 액션 토큰을 하나씩 자기회귀로 만들던 기존 방식 대신 병렬 디코딩으로 여러 스텝의 연속 액션 청크를 한 번에 출력하고, L1 회귀 목표로 학습한다.
양팔 ALOHA용 변형인 OFT+는 FiLM으로 언어 임베딩을 시각 특징에 주입해 지시 추종을 강화했다. 저자들은 LIBERO 시뮬레이션 4개 과제군에서 평균 성공률을 76.5%에서 97.1%로 높이고 액션 생성 처리량을 26배 늘렸으며, 실제 ALOHA 로봇의 옷 개기·재료 퍼 담기 과제에서는 π0·RDT-1B·Diffusion Policy·ACT보다 평균 성공률이 최대 15%p 높았다고 발표했다. 코드(MIT 라이선스)와 체크포인트가 공개됐고, LoRA 파인튜닝에는 80GB A100/H100 8장으로 1~2일이 걸린다고 안내한다.
회사 공식 페이지와 논문을 바탕으로 정리했어요. 성공률·최초 같은 표현은 회사 발표예요.
구조와 학습
| 구조 | OpenVLA 백본 + 병렬 디코딩, 액션 청킹, 연속 액션 L1 회귀 헤드, FiLM 언어 조건화(OFT+)공식 |
|---|---|
| 입력 | 다중 카메라 이미지, 언어, 고유수용감각공식 |
| 파라미터 (B) | 7공식 |
| 제어 빈도 (Hz) | 25공식 |
| 적용 로봇 형태 | Franka(LIBERO 시뮬), ALOHA 양팔공식 |
| 발표 벤치마크 | LIBERO 평균 97.1% (OpenVLA 76.5%)공식 |
벤치마크 결과
결과 날짜 최신순 · 같은 벤치마크라도 세부 조건이 다르면 직접 비교할 수 없어요| 벤치마크 | 세부 조건 | 점수 | 평가 구분 | 결과 날짜 |
|---|---|---|---|---|
| RoboChallenge Table30 | Table30 v1 (30개 과제) 성공률 | 5% | 운영팀 평가 | 2026-10 |
| LIBERO-Plus | Total (7개 교란 차원 종합) | 69.6% | 운영팀 평가 | 2025-10 |
| LIBERO | 평균 (Spatial/Object/Goal/Long) | 97.1% | 자체 발표 | 2025-02 |
학습용 데이터셋
- Open X-Embodiment 구글 딥마인드