ACT (Action Chunking with Transformers)

ACT는 복잡한 로봇 조작 작업을 위한 혁신적인 모방 학습 알고리즘입니다. 단 10분의 인간 시연만으로 80-90%의 성공률을 달성할 수 있습니다.

ACT의 특징

Action Chunking: 단일 액션이 아닌 액션 시퀀스 예측
Temporal Ensembling: 부드러운 동작을 위한 시간적 앙상블
빠른 학습: RTX 3090에서 5시간 내 학습 완료
SO-ARM101 성공 사례 다수: 저가의 하드웨어에서도 간단한 작업이 완수된 사례가 많음

필자 의견

ACT 모델을 사용해본 개인적인 경험을 공유합니다:

Pre-Trained 모델이 아니라 바닥부터 학습해서 보통 사용합니다.
아주 작고 효율적이라서 간단한 Task를 학습하고 구동할 수 있습니다.
꽤 잘 되는데… Overfit이 심합니다. 조명이나 물체 등 환경이 변하면 안 되는 경우가 많습니다.
그래도 처음 시작하기엔 아주 좋은 모델입니다! 👍

개요

ACT는 Stanford에서 개발한 알고리즘으로, 다음과 같은 핵심 혁신을 통해 정밀한 로봇 조작을 가능하게 합니다:

핵심 개념

Action Chunking

전통적인 방법이 한 번에 하나의 액션만 예측하는 것과 달리, ACT는 미래의 k개 액션을 한 번에 예측합니다.

Temporal Ensembling

부드러운 로봇 동작을 위해 겹치는 액션 청크들을 가중 평균합니다.

작동 원리

시간 t에서 여러 정책 쿼리의 예측을 결합:

시간 (t-2)에서 예측한 액션
시간 (t-1)에서 예측한 액션
현재 시간 t에서 예측한 액션

이들을 exponential weighting으로 평균하여 최종 액션 결정

사용 방법

1. 데이터셋 준비

# 로봇 시연 데이터 수집
python -m lerobot.record \
    --robot.type=so101 \
    --dataset.repo_id=${HF_USER}/act_dataset \
    --dataset.num_episodes=50 \
    --dataset.single_task="Pick and place object"

데이터 수집 팁

최소 50개 에피소드 (10분 분량, 에피소드 길이마다 다를 수 있음)
다양한 시작 위치에서 시연
일관된 속도로 부드럽게 동작

2. 학습

# ACT 모델 학습
python -m lerobot.scripts.train \
    --dataset.repo_id=${HF_USER}/act_dataset \
    --policy.type=act \
    --output_dir=outputs/act_policy \
    --training.num_epochs=100 \
    --training.batch_size=64

# 고급 하이퍼파라미터 설정
python -m lerobot.scripts.train \
    --dataset.repo_id=${HF_USER}/act_dataset \
    --policy.type=act \
    --policy.chunk_size=100 \
    --policy.n_encoder_layers=4 \
    --policy.n_decoder_layers=7 \
    --policy.n_heads=8 \
    --policy.hidden_dim=512 \
    --policy.dim_feedforward=3200 \
    --policy.kl_weight=10.0 \
    --training.learning_rate=1e-4 \
    --training.weight_decay=1e-4 \
    --wandb.enable=true

3. 추론 및 실행

# 학습된 정책으로 로봇 제어
python -m lerobot.scripts.eval \
    --robot.type=so101_follower \
    --robot.port=/dev/ttyUSB0 \
    --policy.path=outputs/act_policy/checkpoint_best.pt \
    --policy.chunk_size=100 \
    --dataset.num_episodes=20

SmolVLA와의 비교

특징	ACT	SmolVLA
자연어 명령	❌ 미지원	✅ 지원
파라미터 수	~80M	450M
학습 속도	빠름	느림
정밀도	매우 높음	높음
작업 특화성	단일 작업	다중 작업

실제 성능

검증된 작업들 (ALOHA 기준…)

배터리 삽입: 90% 성공률
벨크로 부착: 85% 성공률
물체 집어 담기: 95% 성공률
정밀 조립: 80% 성공률

ACT 활용 시나리오

정밀 조작: 밀리미터 단위 정확도가 필요한 작업
빠른 학습: 제한된 데이터로 높은 성능 달성
실시간 제어: 100Hz 제어 루프 지원

추가 리소스

ACT는 Stanford의 Tony Z. Zhao 등이 개발했으며, LeRobot에서 최적화된 구현을 제공합니다.