연구실과 실제 매장 간 격차 해소: 소매용 휴머노이드 로봇을 위한 데이터 효율적인 사후 학습 및 경험 기반 학습 VLA 프레임워크

Closing the Lab-to-Store Gap: A Data-Efficient Post-Training and Experience-Driven Learning VLA Framework for Retail Humanoids

비전-언어-행동(VLA) 휴머노이드 로봇은 실행 오류, 데이터 분포 변화 및 환경 변동성을 극복해야 하며, 이는 벤치마크 성능과 실제 운영 간의 격차를 줄이는 데 있어 핵심적인 과제입니다. 본 논문에서는 Unitree G1-Edu 휴머노이드 로봇과 GR00T N1.6 기반 모델을 사용하여 슈퍼마켓 스낵 보충 작업을 수행하는 시스템 수준 접근 방식인 DEED (데이터 효율적인 사후 학습 및 경험 기반 학습)를 제안합니다. DEED는 세 가지 주요 구성 요소로 이루어져 있습니다: (1) 제어 빈도 정렬, 데이터 큐레이션, 작업 관련 시각적 강조 및 VLA 의존성 감소를 포함하는 데이터 효율적인 사후 학습 파이프라인; (2) 텍스트 기반 장점 접두사와 비전-언어 가치 함수를 통해 RECAP에서 영감을 받은 경험 기반 개선에 대한 실제 연구; (3) 분포 내/외부 동작을 분석하기 위한 잠재 공간 분석 도구. 우리의 결과는 연구실과 실제 매장 간의 격차를 해소하는 것이 주로 시스템 통합 문제이며, 특정 아키텍처 문제가 아니라는 것을 시사합니다. 신중한 데이터 설계 및 목표 지향적인 사후 학습은 단일 GPU만으로 초기 성능이 좋지 않은 정책을 유능한 실제 운영 시스템으로 변환할 수 있습니다.

Closing the gap between benchmark performance and reliable real-world operation remains a central challenge for Vision-Language-Action (VLA) humanoid robots, which must handle execution errors, distribution shifts, and environmental variability. This paper presents DEED (Data-Efficient Post-Training and Experience-Driven Learning), a systems-level approach evaluated on a supermarket chip-restocking task using a Unitree G1-Edu humanoid robot and the GR00T N1.6 foundation model. DEED comprises three key components: (1) a data-efficient post-training pipeline with control-frequency alignment, data curation, task-relevant visual highlighting, and reduced VLA dependence; (2) a real-world study of experience-driven refinement, adapted from RECAP via a text-based advantage prefix and a vision-language value function; and (3) a latent-space analysis tool for studying in- and out-of-distribution behavior. Our results suggest that bridging the lab-to-store gap is primarily a systems integration challenge rather than an architectural one: careful data design and targeted post-training can transform a policy that fails under naive fine-tuning into a competent real-world system using only a single GPU.