Energy-Efficient Vision-Language-Action Models: Adaptive Inference Framework for Fast yet Reliable Physical AI
개인기초연구(과기정통부)(R&D) · 우수연구-핵심연구(기본연구B)
2026년
2710113608
과학기술정보통신부
한국연구재단
서강대학교
이영민
11명
2026.09.01 ~ 2027.08.31
2026.09.01 ~ 2029.08.31
6,464만원
6,464만원
기초연구
대학
서울특별시 마포구
정보/통신 > 기타 정보/통신 > 달리 분류되지 않는 정보/통신
- 온디바이스에서 저전력 실시간 Physical AI를 달성하기 위해, VLA 모델의 정확도 하락없이 또는 최소화하면서 추론을 가속하는 최적화 기법을 개발- HW-SW 통합설계에 기반한 VLA의 정확도/추론시간 트레이드-오프를 체계적으로 자동탐색할 수 있는 설계기법을 개발
1-1. SiLU/GeLU에서 출력 활성희소도의 예측 기법 연구1-2. VLA의 크로스-어텐션에 특화된 활성 특성의 파악 및 활용 기법 연구1-3. VLA에 적용 가능한 출력 활성희소도 활용 기법 연구1-4. 입력 활성희소도와 출력 활성희소도의 동시 활용 기법 연구1-5. 희소도 활용 기법 친화적 양자화 기법 연구1-6. 입력 토큰 및 작업 변화로 인해 토...
1. 연구과제의 활용방안- 엣지 디바이스의 성능이 최근 크게 개선되면서 개인정보 유출 및 사생활 침해에서 자유로운 엣지 디바이스 기반의 Physical AI의 수요가 크게 증가하고 있는 추세에 본 연구는 학계와 산업계에서 모두 중요하게 활용될 것으로 기대됨.- 특히, 제안하는 VLA 추론 가속 기법은 필요없는 연산을 회피함으로써 추론 시간과 에너지 소비를 ...