Efficient-WAM: A 1B-Parameter World-Action Model with Low-Cost Future Imagination

1B 파라미터 World-Action Model로 비디오 예측을 거칠게 만들고 추론 지연을 100ms 이하로 낮춰 실시간 로봇 제어를 가능하게 한다.

World-Action Model(WAM)은 미래 비디오 예측과 행동 생성을 결합해 로봇 제어에 풍부한 세계 사전을 주입하지만, 사진 같은 미래 예측의 연산 비용이 실시간 배치를 가로막는다. Efficient-WAM은 1B 파라미터로 WAN-2.2-5B에서 지식 증류된 소형 비디오 전문가, 토희소 미래 잠재, 비디오-행동 비대칭 디노이징을 결합해 지연을 98ms/chunk까지 낮췥다. 거친 미래 예측에도 RoboTwin 2.0 86.7%, 실제 로봇 66.25% 성공률을 기록하며 대형 WAM 대비 30배 속도 향상을 달성했다.

핵심 요약

• WAN-2.2-5B에서 구조적 가지치기+지식 증류로 0.8B 소형 비디오 전문가 구축, action expert 0.2B와 MoT 결합
• 미래 예측 해상도를 낮춰 토큰 수 240→60으로 감소, 지연 430ms→377ms로 추가 절감
• 비디오 2단계 + 행동 10단계 비대칭 디노이징으로 지연 139ms 달성(성능 저하 1%p 미만)
• RoboTwin 2.0 시뮬레이션에서 86.7% 평균 성공률, 실제 Astribot S1 로봇에서 66.25% 성공률
• 소비자용 RTX 4090에서 per-chunk 98ms 달성, Motus(3215ms) 대비 32배, π0.5(113ms) 대비 우위
• 'action-centric future imagination' 설계 원리: 정책은 사진 같은 이미지가 아닌 구조적 역학 단서만 필요

논문 링크

외부 연구를 정리한 자료입니다. HDATF가 발표한 논문이나 제품 성능을 측정한 결과는 아닙니다.