CHORUS: 단일 VLA 정책을 사용한 분산형 다중 로봇 협업

CHORUS: Decentralized Multi-Embodiment Collaboration with One VLA Policy

다중 로봇 협업은 소파를 문턱으로 옮기거나 건설 현장에서 구조물을 조립하는 등 다양한 작업을 효율적으로 수행할 수 있도록 합니다. 그러나 모바일 다중 로봇 환경에서 이러한 조화를 이루는 것은 여전히 어려운 과제입니다. 팀 전체의 관찰 데이터를 기반으로 하는 중앙 집중식 방법은 팀 크기가 커짐에 따라 성능이 저하되는 경향이 있으며, 각 로봇에게 개별 정책을 학습시키는 분산형 방법은 부분적인 정보 부족 문제를 해결하기 위해 명시적인 정렬 절차 또는 추론 시 정보 공유가 필요합니다. 본 연구의 핵심 아이디어는 사전 훈련된 비전-언어-행동(VLA) 모델이 가진 시각-운동적 선험 지식이, 각 로봇이 자신의 관찰 데이터만으로 반응적이고 분산형 협업을 가능하게 할 것이라는 점입니다. 우리는 CHORUS라는 프레임워크를 제안하며, 이는 단일 VLA 기반 모델을 다양한 다중 로봇 팀에 적용하여 제어합니다. 추론 시, 각 로봇은 독립적으로 CHORUS의 복사본을 실행하며, 자신의 관찰 데이터와 로봇 식별 프롬프트에만 의존합니다. 실제 환경에서의 실험 결과, 모바일 테이프 측정, 도서 전달, 세탁 바구니 들어 올리기 등의 작업에서 CHORUS는 기존 분산형 모델보다 64% 더 높은 성능을 보였으며, 동료 로봇의 행동 변화에 대한 반응성이 40% 향상되었고, 중앙 집중식 기준 모델보다 우수한 성능을 나타냈습니다. 이러한 결과들을 종합해 볼 때, 공유된 VLA 기반 모델은 개별 로봇 정책이나 로봇 간 통신 없이도 분산형 다중 로봇 협업을 가능하게 할 수 있음을 보여줍니다.

Multi-robot collaboration allows robots to efficiently take on a wide range of tasks, from moving a couch through a doorway to assembling structures on a construction site. However, achieving such coordination in mobile multi-robot settings remains challenging: centralized methods conditioned on the combined observations of a team scale poorly with team size, and decentralized methods that train one policy per robot often require explicit alignment procedures or information sharing at inference time to overcome partial observability. Our key insight is that the visuomotor priors of pretrained vision-language-action (VLA) models should enable reactive, decentralized collaboration from each robot's local observations alone, without these inference-time assumptions. We propose CHORUS, a framework that adapts a single VLA backbone to control diverse, multi-robot teams. At inference time, each robot runs an independent copy of CHORUS, conditioned only on its own observations and a robot-identifying prompt. In real-world experiments including mobile tape measurement, library book handovers, and laundry basket lifting, CHORUS achieves a 64% point improvement over decentralized, from-scratch models, improves reactivity to teammate behavior by 40% points, and outperforms centralized baselines. Together, these results show that a shared VLA backbone is capable of achieving decentralized multi-robot collaboration, without per-robot policies or inter-robot communication at inference.