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

Essence

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

Dual-System VLA 아키텍처의 구조를 비교 분석하고 핵심 설계 요소를 경험적으로 평가하여 로봇 조작을 위한 오픈소스 dual-system VLA 모델을 제공한다.

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.

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

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

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

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

Novelty: 4/5 Technical Soundness: 3/5 Significance: 4/5 Clarity: 4/5 Overall: 4/5

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.

기반 연구VLA 모델에 대한 총괄 설문 논문으로, OpenHelix의 아키텍처 분석을 넓은 맥락에서 이해하는 데 도움이 된다.

기반 연구Ground Slow, Move Fast 논문은 dual-system VLA 구조의 이론적 분석을 제공하여 OpenHelix의 실증·서베이 결과를 이해하는 데 핵심적입니다.

다른 접근Fast-in-Slow 논문은 dual-system 기반의 VLA 구조를 실제 동작 정책과 결합하는 또다른 접근법을 제시한다.

다른 접근OpenHelix 논문은 dual-system 기반 VLA post-training 구조 및 설계를 실증적으로 검토해, 인간 운동 이론과의 실제적 연계 가능성을 비교 분석할 수 있다.

다른 접근OpenHelix는 실제 구현, 벤치마크, 오픈소스 플랫폼의 관점에서 foundation models in robotics 현황을 보다 실험/공학적 관점으로 분석하여, 종합 리뷰 논문의 시야를 확장시킵니다.

다른 접근DualVLA도 Partial Parameter Sharing dual-system 접근을 택해, OpenHelix의 디자인 리뷰와 시너지 높게 비교 가능하다.

후속 연구TriVLA 논문은 triple-system 기반 VLA 아키텍처를 제안하여, dual-system OpenHelix가 지닌 한계와 발전 가능성을 제시합니다.