OpenHelix: A Short Survey, Empirical Analysis, and Open-Source Dual-System VLA Model for Robotic Manipulation

Motivation

• Known: RT-2 이후 Vision-Language-Action 모델이 로봇 정책 학습에 유망한 접근법으로 주목받고 있으며, 최근 LCB와 DP-VLA 등 dual-system 아키텍처가 제안되고 있다.
• Gap: 기존 VLA는 모델 크기가 크고 추론 속도가 느리며 domain shift와 catastrophic forgetting 문제가 있고, dual-system 아키텍처의 설계 요소에 대한 충분한 오픈소스 구현과 체계적 평가가 부족하다.
• Why: 로봇의 실시간 제어를 위해서는 효율적이고 빠른 추론이 필수적이면서도 멀티모달 추론 능력은 유지해야 하므로 dual-system 구조의 최적화가 중요하다.
• Approach: Dual-process 이론에 기반하여 System 1(빠른 경량 모델)과 System 2(느린 대규모 모델)를 결합하는 아키텍처를 설계하고, 기존 dual-system VLA들의 구조적 차이를 분석하며 핵심 설계 요소에 대해 체계적으로 평가한다.

Achievement

Figure 1. Key Design of Dual-System VLAs. It mainly includes: MMLM Selection, Policy Selection, Latent Feature Represent

• Dual-System VLA 아키텍처 분류: MLLM 선택, Policy 선택, Latent 특성 표현, 학습 전략, 통합 전략 등 7가지 핵심 설계 요소를 체계화하고 LCB, DP-VLA, HiRT, Robodual 등 기존 방법들을 비교 분석하는 종합 설문 제공
• 경험적 평가 프레임워크: 세 가지 평가 환경에서 MLLM 학습 전략, 계층적 추론, 기존 dual-system의 단점 등을 실증적으로 평가하는 방법론 제시
• 오픈소스 OpenHelix 모델: 저비용 구현이 가능한 실용적인 dual-system VLA 모델 공개 및 향후 성능 개선 계획 제시

How

Figure 1. Key Design of Dual-System VLAs. It mainly includes: MMLM Selection, Policy Selection, Latent Feature Represent

• Dual-process 이론을 로봇 제어에 적용하여 System 1과 System 2를 구분하고 서로 다른 주기로 업데이트되는 비동기 구조 설계
• MLLM(OpenVLA, LLaVA, InstructBLIP, Qwen2-VL 등)에서 추출한 latent representation이 경량 policy 모델(Transformer, DiT 등)을 가이드하는 정보 흐름 구성
• RGB, proprioception, depth, tactile 등 다양한 센서 모달리티 조합에 대한 ablation study 수행
• LoRA fine-tuning, frozen encoder, scratch training 등 다양한 학습 전략 비교 평가
• 고빈도(System 1) 및 저빈도(System 2) 인지 입력의 통합 전략 분석

Originality

• Dual-process 이론을 로봇 VLA 아키텍처의 이론적 근거로 제시하여 기존 engineering 관점의 접근을 인지과학적으로 정당화
• MLLM이 반드시 robotic pretrain을 거쳐야 하는지, 어떤 크기의 MLLM이 충분한지 등 설계 가정에 대한 실증적 검증
• 7가지 핵심 설계 요소를 체계적으로 분해하고 비교할 수 있는 분류 체계 개발
• 기존 dual-system 설계의 부족한 점(e.g., temporal delay, asynchronous update)을 명확히 지적하고 개선 방향 제시

Limitation & Further Study

• 논문의 발췌본이므로 실제 실험 결과와 정량적 비교 데이터가 제시되지 않음
• OpenHelix 모델의 구체적인 아키텍처와 성능 지표가 본 발췌에서 명확하지 않음
• 평가 환경이 제한적일 가능성(Fig 2 언급하지만 상세 설명 부재)
• 후속 연구에서는 실제 로봇 하드웨어에서의 성능 평가, 더 다양한 manipulation task에서의 generalization 검증 필요
• MLLM과 policy 모델 간 최적의 latent dimension, temporal synchronization 방식 등에 대한 더 깊은 분석 요구

Evaluation

총평: Dual-System VLA에 대한 최초의 포괄적 설문과 체계적 경험적 분석을 제공하며, 오픈소스 구현으로 커뮤니티 기여도 가능하나, 발표된 발췌에서는 구체적 실험 결과 부재로 평가 강도를 완전히 판단하기 어렵다.