연구진은 VLA 모델의 효율적인 학습을 위해 구조 인식 데이터 선택 방법인 SIEVE를 제안했어요. SIEVE는 시각-운동 원시 동작을 발견하고 재사용성을 고려하여 데이터 선택 예산을 할당하는 방식이에요.
SIEVE는 기존 방식보다 구조적 정보를 활용하여 데이터 선택함으로써, 전체 데이터의 50%만 사용하고 학습 단계를 줄여도 더 나은 성능을 낼 수 있어요.
실험 결과, SIEVE는 경쟁 모델보다 우수한 성능을 보였으며, 이는 재사용 가능한 구조가 VLA 모방 학습에 중요한 역할을 한다는 것을 시사해요.