# VLADE **Vision-Language-Action Distillation for Edge Deployment** ### 로봇의 지능을 엣지로 VLADE는 대규모 Vision-Language-Action 모델의 시각·언어 이해와 로봇 제어 능력을 경량 모델에 전달하는 연구 프로젝트입니다. 제한된 연산 자원에서도 활용할 수 있는 로봇 정책을 목표로, 지식 증류와 엣지 배포를 연구합니다. ## 연구 방향 - **지식 증류** — Teacher의 행동 출력과 내부 표현을 활용한 경량 Student 학습 - **로봇 조작과 일반화** — 언어 지시에 따른 작업 수행 능력과 환경 변화에 대한 강건성 평가 - **엣지 효율** — 작업 성공률과 함께 모델 크기, 메모리 사용량, 추론 지연시간 평가 ## 실험과 평가 AVA-VLA와 OpenVLA-OFT를 기반 비교 모델로 활용하며, 다음 벤치마크를 중심으로 실험을 설계합니다. | 벤치마크 | 활용 목적 | |---|---| | LIBERO | 기본 로봇 조작 성능과 baseline 재현 | | LIBERO+ | 주요 학습·비교 실험 | | CALVIN | 후속 일반화 평가 | 최종적으로 Jetson Orin Nano급 엣지 환경에서 경량 정책의 배포 가능성을 평가하는 것을 목표로 합니다. ## 프로젝트 자료 [GitHub](https://github.com/eastha10/VLADE) · [Models](https://huggingface.co/VLADE-konkuk/models) · [Datasets](https://huggingface.co/VLADE-konkuk/datasets) 프로젝트는 현재 연구·개발 중입니다. 모델별 학습 조건, 검증 범위와 평가 결과는 각 저장소의 카드에서 안내합니다.