B-spline Policy(BSP)의 결과는 “더 빠름” 하나로 요약되지 않는다. Table Cleaning에서 Regression Policy 4X의 성공 시 평균 완료 시간은 23.57초, Regression+BSP는 11.80초였다. 반면 Speed Stacking의 Regression+BSP는 1X와 2X에서 성공률이 올랐지만 4X에서는 0/20으로 떨어졌다.
BSP는 고정 길이 이산 action chunk 대신 knots와 control points로 정한 연속 B-스플라인 곡선을 예측한다. 저수준 제어기가 이 곡선을 더 높은 주파수로 샘플링하며, temporal rescaling으로 실행 시간을 조정한다. 연속 spline segment 사이에는 inference-time segment alignment를 적용해 경계 불연속을 줄인다.
실제 실험은 6-DoF ARX5 로봇 팔에서 진행됐다. Cube Picking 200개, Table Cleaning 300개, Speed Stacking 200개의 시연을 모았고 과제별 20회 rollout의 성공률과 성공한 시도의 평균 완료 시간을 평가했다. 비교 대상은 Diffusion Policy, ACT-style Regression Policy, 단순 nX 고속 실행 버전, DemoSpeedup이다.
Cube Picking의 4X 조건에서는 Diffusion Policy 4.58초와 Diffusion+BSP 3.43초, Regression Policy 3.52초와 Regression+BSP 2.45초가 보고됐다. diffusion·regression의 18개 설정 가운데 14개에서는 BSP가 성공률을 유지하거나 높였다. 다만 완료 시간은 성공한 rollout만으로 계산된 평균이어서 성공률과 함께 봐야 한다.
Speed Stacking 4X 실패에 대해 논문은 저가 로봇 팔의 저수준 제어기가 빠른 명령을 따라갈 강성과 정확도를 갖추지 못했다고 해석했다. 시뮬레이션의 Push-T, RoboMimic, RoboCasa 여러 과제에서는 기준 정책과 비슷하거나 더 나았지만 RoboMimic Lift는 예외였다.
| 과제·4X 조건 | 방법 | 성공률 | 성공 시 평균 완료시간 |
|---|---|---|---|
| Table Cleaning | Regression Policy | 13/20 | 23.57초 |
| Table Cleaning | Regression+BSP | 14/20 | 11.80초 |
| Speed Stacking | Regression+BSP | 0/20 | NA |
자료: STORIUM 정리
부록에서는 fitting tolerance ε가 커질수록 압축률이 높아지고 성공률은 비교적 안정적이었다고 보고했다. 하버드·MIT·UT 오스틴 연구진의 arXiv:2607.09648v1 [cs.RO]은 아직 동료검토를 거치지 않은 프리프린트다. 따라서 BSP의 시간 단축은 과제·속도·제어기 조건별 성공률과 함께 해석해야 한다.
저작권자 © STORIUM 무단전재 및 재배포 금지
