01큰 모델기능을 골라 부르는 머리 · 입출력과 한계
02세 층숙고 · 직관 · 반사
03후보세 쌍 · Molmo · 비교 실험
04안전거르는 층 · RL로 다듬기
05영상CCTV에서 행동 얻기

범용 LLM이 로봇에 내려온 방식, 세 층 구조, 후보 비교, 안전과 영상 데이터
2026.11.15















| VLA 안의 VLM | 숙고 층 (ER · 큰 모델) | |
|---|---|---|
| 크기 | 2~3B · 행동 주기에 묶임 | 몇 배 큼 · 생각하기 모드 |
| 보는 시간 | 현재 프레임 한두 장 | 최근 영상 + 글로 된 기록 |
| 파인튜닝 뒤 | 굴착 특화 인코더로 변함 | 세상 지식을 유지 |
| 말하기 | 지시를 받기만 함 | 되묻고, 멈춘 이유를 설명 |
| 내다보는 범위 | 한 묶음, 몇 초 | 사이클 여러 개, 분 단위 |
















Gemini Robotics 2 · ER 2
Google DeepMind 발표(2026.7.30) · 개발자 문서의 스트리밍·Live API 안내
스팟 데모
구글 공개 샘플 저장소 · 에이전트 서버, 도구 선언, 임바디먼트 어댑터
토큰 수치
Gemini 문서 · 프레임 258 토큰, Live API 세션 한도와 압축 설정
MolmoAct2 · Molmo 2-ER
Ai2 논문과 공개 가중치 · 특화 후 복습, OpenFAST, MolmoThink
RL 다듬기
π-RL · SimpleVLA-RL(ICLR 2026) · FlowPRO · WoVR / RLinf
행동 압축
FAST · 주파수 변환 + 바이트 쌍 인코딩
영상에서 행동
VPT(역동역학 모델) · LAPA(잠재 행동) · Depth Anything
앞선 정리
VLA, 구조에서 굴착기 적용까지 (2026.11.14)