연구진은 로봇 제어 및 계획에 활용되는 액션 기반 세계 모델(ACWM) 학습 시 액션 관련 정보와 시각적 요소가 섞이는 문제를 지적했어요. 이를 해결하기 위해 잠재 액션 모델(LAM)을 활용하는 CD-LAM 프레임워크를 제안했어요. CD-LAM은 재구축, 액션 기반 대비 학습, 잠재 공간 보정 세 가지 목표를 통해 로봇 제어에 필요한 신뢰성 있는 잠재 액션 표현을 학습합니다.
CD-LAM은 기존 방식 대비 로봇 액션 추종 성능을 향상시키고, 시각적 충실도를 높이며, 적응 효율성을 개선했어요. 6천 단계의 미세 조정만으로도 기존 방식보다 12배 적은 로봇 액션 적응 업데이트로 충분했어요. 이는 데이터 효율성을 크게 높이는 결과입니다.
연구는 2B 및 14B ACWM 백본에서 진행되었으며, 잠재 액션 제어 가능성, 로봇 액션 추종, 시각적 충실도, 적응 효율성 측면에서 뚜렷한 개선을 보였습니다.