Pure Vision Language Action (VLA) Models: A Comprehensive Survey

Motivation

• Known: Vision Language Model (VLM)과 Large Language Model (LLM)의 발전으로 로봇의 지각, 이해, 행동 능력이 향상되었으나, 이들 능력을 통합한 VLA 시스템의 체계적 분류와 분석이 부족하다.
• Gap: 기존 서베이는 VLM 기초 모델이나 로봇 조작의 전반적 개요에만 초점을 맞추었으며, pure VLA 방법론의 정립된 분류체계와 포괄적 분석이 부재하다.
• Why: VLA는 전통적 정책 기반 제어에서 일반화된 로봇공학으로의 패러다임 전환을 대표하며, 복잡한 동적 환경에서 로봇 조작과 의사결정의 실용화를 위해 체계적 이해가 필수적이다.
• Approach: VLA 모델의 행동 생성 전략(action-generation strategy)을 기준으로 autoregression-based, diffusion-based, reinforcement-based, hybrid, specialized methods의 5가지 패러다임으로 분류하고, 각 방법의 동기, 핵심 전략, 구현을 상세 분석한다.

Achievement

Fig. 1: Organization and Structure of the VLA Survey.

• VLA 방법론의 체계적 분류: pure VLA 방법에 대한 명확한 분류체계를 제시하여 행동 생성 전략에 따른 접근법의 차별화된 특성을 파악 가능하게 함
• 포괄적 리소스 개요: VLA 모델 학습 및 평가에 필수적인 데이터셋, 벤치마크, simulation platform에 대한 종합적 개요 제공
• 응용 도메인 분석: robotic arm, quadruped robot, humanoid, wheeled robot 등 다양한 로봇 플랫폼에서의 VLA 배포 현황 평가
• 향후 방향 제시: 데이터 제약, 추론 속도, 안전성 등 핵심 과제를 식별하고 확장 가능한 범용 VLA 방법 개발을 위한 미래 연구 방향 제안

How

Fig. 2: Illustration of various VLA skeleton.

• Vision-Language-Action taxonomy 개발: autoregression-based, diffusion-based, reinforcement-based, hybrid, specialized methods로 분류하고 시간 축을 따라 발전 추이 시각화
• 각 패러다임별 심층 분석: 동기(motivation), 핵심 전략(core strategy), 구현 메커니즘(implementation mechanism)을 상세히 검토
• 응용 시나리오 매핑: 로봇 팔, 사족 로봇, 휴머노이드, 자율주행 등 다양한 로봇 유형별 VLA 활용 사례 체계화
• 리소스 인벤토리 구축: 주요 데이터셋, 벤치마크, simulation platform을 조사하여 VLA 개발 생태계 파악
• 문헌 메타분석: 300개 이상의 최근 연구를 종합하여 현황 파악 및 트렌드 분석

Originality

• Pure VLA 방법론에 특화된 최초의 포괄적 서베이: 기존 VLM 중심이나 로봇공학 전체 역사 중심 서베이와 달리 VLA의 행동 생성 전략을 중심으로 분류
• 5가지 패러다임 분류체계의 제시: autoregression, diffusion, reinforcement learning, hybrid, specialized methods의 상호 연관성과 차별성을 명확히 함
• 멀티모달-행동 통합 프레임워크 분석: 시각, 언어, 행동의 통합 시퀀스 모델링 관점에서 VLA의 고유한 특성 해석

Limitation & Further Study

• 서베이의 시간 제약성: 300개 연구 수집 이후 신속히 발전하는 VLA 분야의 최신 방법론을 완전히 포괄하지 못할 가능성
• VLA 평가 메트릭 표준화 부재: 다양한 도메인과 데이터셋의 벤치마크가 이질적이어서 방법론 간 직접 비교의 어려움
• 현실-시뮬레이션 갭: 대부분 연구가 시뮬레이션 환경에서 검증되며 실제 로봇 배포의 일반화 성능에 대한 평가 부족
• 후속 연구 방향: (1) 데이터 효율성 증대를 위한 few-shot, zero-shot VLA 방법 개발, (2) 실시간 추론을 위한 경량 VLA 모델 연구, (3) 안전성 보증 메커니즘 통합, (4) 크로스 도메인 일반화 능력 강화

Evaluation

총평: 본 서베이는 VLA 분야의 급속한 발전 속에서 처음으로 체계적인 분류체계를 제시하고 300개 이상의 연구를 종합하여 현황 맵핑을 제공함으로써, VLA 연구자와 로봇공학자들에게 높은 학술적 가치를 제공한다. 다만 시뮬레이션-현실 갭, 평가 메트릭 표준화, 최신 방법론 수용 측면의 개선이 향후 필요하다.