#파운데이션 모델

AI / Robotics

VLA(Vision-Language-Action) 시리즈 1편. 모방학습과 언어 조건 정책에서 출발한 로봇 학습이 어떻게 RT-1(3,500만 파라미터 트랜스포머)을 거쳐 RT-2(VLM을 그대로 로봇 정책으로 쓰는 모델)에 이르렀는지, 왜 '행동을 텍스트 토큰으로' 표현하는 한 가지 선택이 인터넷 지식을 로봇 팔로 옮겨 왔는지 정리한다. 2026년 11월 시점의 모델 지형과 6편 로드맵도 담았다.