EVA-Client: 실제 로봇에서 체화된 정책을 위한 통합 데이터 수집, 추론 및 배포 프레임워크

초록

본 논문에서는 훈련된 조작 정책을 실제 로봇에 배포, 데이터 수집, 평가하기 위한 오픈소스 프레임워크인 EVA-Client를 제시한다. EVA-Client는 정책 서버와 물리적 하드웨어 사이에 위치하며, 정책 반복 루프의 실제 로봇 단계를 단일 코드베이스 내에서 통합한다. 본 프레임워크는 세 가지 기여를 한다. 첫째, 로봇 백엔드, 추론 전략, 전송 미들웨어가 직교 격자를 형성하는 구성 요소 분리 아키텍처를 제공하여, 로봇이나 전략을 추가할 때 해당 계층만 수정하면 된다. 둘째, 디버그(Debug), 수집(Collect), 평가(Eval) 워크플로를 통해 검사 가능한 실행을 지원하며, 개루프 시뮬레이션에서 연속 실시간 제어에 이르기까지 다양한 모드를 제공한다. 셋째, 모든 평가 실행은 동시에 데이터 수집의 역할을 수행하여, 훈련 준비 형식의 전체 롤아웃, 상세 로그, 그리고 병렬 비교 뷰어를 함께 기록함으로써, 각 평가가 기록되지 않은 인상으로 끝나지 않고 다음 훈련 라운드에 기여하도록 한다. EVA-Client는 또한 주요 실시간 추론 전략들, 즉 동기 및 비동기 실행, ACT 스타일의 시간적 앙상블, 실시간 청킹(Real-Time Chunking), 그리고 나이브-어싱크 절제 베이스라인을 단일 구성 인터페이스 뒤에 통합한다.

English

We present EVA-Client, an open-source framework for deployment, data collection, and evaluation of trained manipulation policies on real robots. Sitting between a policy server and the physical hardware, EVA-Client unifies the real-robot stages of the policy iteration loop within a single codebase. It makes three contributions. First, a component-decoupled architecture in which robot backends, inference strategies, and transport middlewares form an orthogonal grid: adding a robot or a strategy touches only its own layer. Second, inspectable execution through Debug, Collect, and Eval workflows, with modes ranging from open-loop simulation to continuous real-time control. Third, every evaluation run doubles as a data collection, recording full rollouts in training-ready format alongside exhaustive logs and a side-by-side comparison viewer, so each evaluation feeds the next round of training rather than ending as an unrecorded impression. EVA-Client further consolidates major real-time inference strategies, synchronous and asynchronous execution, ACT-style temporal ensembling, Real-Time Chunking, and a naive-async ablation baseline, behind a single configuration surface.