명시적인 물리적 제약 조건이 VLA 학습에 도움이 될 수 있는가? 실증적 연구

Can Explicit Physical Feasibility Benefit VLA Learning? An Empirical Study

비전-언어-행동(VLA) 모델은 다양한 입력 정보를 로봇의 행동으로 직접 연결하며, 일반적으로 대규모 모방 학습을 통해 훈련됩니다. 이러한 방식은 강력한 성능을 보여주었지만, 현재 VLA 훈련 절차에서는 장애물 회피 또는 운동학적 타당성과 같은 중요한 물리적 제약 조건을 명시적으로 감독하지 않습니다. 그 결과, 물리적으로 타당한 행동을 뒷받침하는 기하학적 구조는 시연 데이터로부터 암묵적으로만 추론됩니다. 본 논문에서는 명시적인 타당성 감독을 도입하는 것이 VLA 정책에 효과적인 구조적 지침을 제공할 수 있는지 연구합니다. 우리는 간단한 기하학적 타당성 목표를 정의하고, 확산 기반 VLA 정책의 훈련 단계에 통합합니다. 이 아이디어를 체계적으로 평가하기 위해, 기하학적 의존적인 물리적 타당성을 검증하는 데 장애물 인식 조작을 사용합니다. 실험 결과는 VLA 훈련에 타당성 감독을 추가하면 물리적 신뢰성과 전반적인 작업 성능이 향상될 뿐만 아니라, 데이터가 부족한 환경에서도 학습 효율성을 높이는 것을 보여줍니다. 이러한 결과는 명시적인 타당성 신호가 모방 기반 VLA 학습을 효과적으로 보완할 수 있음을 시사하며, 보다 안정적인 VLA 정책 개발에 대한 잠재력을 강조합니다.

Vision-Language-Action (VLA) models map multimodal inputs directly to robot actions and are typically trained through large-scale imitation learning. While this paradigm has shown strong performance, prevailing VLA training procedures do not explicitly supervise hard physical constraints such as obstacle avoidance or kinematic feasibility. As a result, the geometric structure underlying physically feasible behavior must be inferred only implicitly from demonstrations. In this paper, we study whether introducing explicit feasibility supervision can provide effective structured guidance for VLA policies. We formulate a simple geometry-grounded feasibility objective and integrate it into the training stage of a diffusion-based VLA policy. To evaluate this idea systematically, we use obstacle-aware manipulation as a controlled probe of geometry-dependent physical feasibility. Empirical results show that augmenting VLA training with feasibility supervision improves both physical reliability and overall task performance, while also enhancing learning efficiency in the low-data regime. These findings indicate that explicit feasibility signals can effectively complement imitation-based VLA learning, highlighting their potential for developing more reliable VLA policies.