A VLA Strategy Selection Framework via Global Physical Environment Awareness in Robot Workcells

최근 VLA(Vision-Language-Action) 모델은 로봇 조작에서 행동 생성을 중심으로 발전해 왔으나, 실제 산업현장에서는 행동 생성 이전에 전역 물리 환경 해석을 통한 계층적 의사결정이 필수적이다. 본 연구는 VLA 모델을 물리 환경 인지를 통한 고수준 전략 선택기로 활용하는 프레임워크를 제안하고 그 가능성을 분석한다. 이를 위해 시뮬레이션 기반의 Normal, Cautious, Defensive 전략 선택 시나리오를 구성하여 두 가지 규칙 기반 시스템과 성능을 비교하였다. 실험 결과, 단일 객체 환경에서는 유사했으나 다중 객체 환경에서 제안 모델은 완벽한 분류 성능을 달성했다. 반면 규칙 기반 시스템은 위험 과소평가 및 과잉 방어의 한계를 보였다. 이는 VLA 모델이 물리 맥락을 통합 해석하여 전략적 의사결정을 수행할 수 있음을 입증하며, Physical AI의 활용 범위를 전략 판단 단계로 확장할 가능성을 제시한다.