한 줄 요약

전문 모델을 조합하던 로보틱스가 기억·계획·적응을 한 모델에 담는 범용·확장형 접근으로 이동하고 있다.

Research Papers

Vesta: 현실 환경 로봇을 위한 범용 추론 모델

Vesta는 로봇이 자신의 위치를 파악하고 3D 공간을 이해하며 목표로 이동하고 장기 계획까지 수행하도록, 여러 전문 모듈을 따로 붙이지 않고 하나의 모델로 처리한다. 연구진은 공간 정합을 유도하는 대규모 정제 코퍼스와, 긴 시간 구간에 걸쳐 추론하도록 돕는 간단한 멀티모달 메모리 하네스를 결합했다. ¹

벤치마크에서 Vesta는 개별 최신 성능(state of the art, SOTA) 기준선을 평균 20% 이상 앞서고, 범주별 최고 모델을 묶은 앙상블보다도 10% 이상 높게 나온다. 메모리와 추론이 필요한 실제 로봇 과제에서는 성공률이 35% 이상 상승해, 복잡한 전문 모델 조합 대신 범용 모델 하나가 성능과 단순성을 함께 제공할 수 있음을 시사한다. ¹

여러 모델을 직렬로 돌리면 연산 비용이 크고 연쇄 오류가 잦다. 이 논문은 단일 범용 모델이 실용적이고 확장 가능한 대안이 될 수 있음을 보여준다. 다양한 로봇·환경에서 이 이점이 유지되는지, 그리고 메모리 하네스가 여러 센서 구성과 얼마나 잘 맞는지 주목할 필요가 있다. ¹

Qwen-RobotManip: 로봇 조작을 위한 대규모 정렬 프레임워크

Qwen-RobotManip은 Qwen-VL(비전-언어, Vision-Language, VL)을 기반으로 한 로봇 조작용 비전-언어-행동( Vision-Language-Action, VLA) 기초 모델로, 이질적 데이터를 정렬해 대규모 학습이 충돌 없이 누적되도록 설계했다. 연구진은 오픈소스 데이터셋과 인간 영상만으로 약 38,100시간 분량의 사전학습 데이터를 구축했으며, 15개 로봇 플랫폼에서 1인칭 손 시연을 로봇 궤적으로 변환하는 인간-로봇 합성 파이프라인과 형식 차이를 맞추는 정제 파이프라인을 포함한다. ²

모델은 제로샷 지시 따르기, 교란에 대한 강인성, 반응적 오류 복구, 서로 다른 로봇 간 전이 같은 발현 일반화를 보였다. 또한 분포 밖(out-of-distribution, OOD) 설정(예: RoboCasa365, LIBERO-Plus, EBench, RoboTwin 계열)에서 평가되고, π0.5를 포함한 기존 모델을 크게 앞서며 RoboChallenge에서 20% 상대적 향상으로 1위를 기록했다. AgileX ALOHA, Franka, UR, ARX 등 실제 로봇에서도 검증되었고, 표준 벤치마크만으로는 사전학습 품질을 포착하기 어렵다는 점을 강조한다. ²

Qwen-RobotNav: 다중 모드 관찰 제어가 가능한 내비게이션 모델

Qwen-RobotNav는 추론 시점에 관찰 전략을 재구성할 수 있도록, 내비게이션 행동을 선택하는 다중 작업 모드와 토큰 예산·카메라별 가중치 같은 관찰 매개변수를 공개하는 매개변수화 인터페이스를 제공한다. 학습 단계에서 이 매개변수를 무작위화해, 백본을 바꾸지 않고도 다양한 설정에 강건하도록 만들었고, 에피소드 중 전략 전환이 필요한 에이전트형 시스템 구성 요소로 자연스럽게 쓰이도록 했다. ³

이 모델은 1,560만 샘플로 학습되며 비전-언어 데이터와의 공동 학습으로 단순 반응형 시퀀스 매핑으로의 붕괴를 피했다. 주요 내비게이션 벤치마크에서 새로운 최신 성능을 보고하고, 20억에서 80억 파라미터로 우호적으로 스케일링되며, 다양한 환경의 실제 로봇으로 제로샷 전이를 보인다. 상위 계획기가 목표를 하위 과제로 분해하면서 모드와 컨텍스트 전략을 전환해 복잡한 행동을 구성한다. ³

왜 중요한가

장기 기억을 갖춘 범용 기초 모델(Vesta), 정렬 우선의 대규모 조작 학습(Qwen-RobotManip), 재구성 가능한 관찰 인터페이스(Qwen-RobotNav)는 로보틱스가 플랫폼 시대로 이동했음을 시사한다. 깨지기 쉬운 다중 모델 파이프라인에 지친 팀에게 핵심은, 더 적은 구성요소로 더 나은 전이를 얻되 데이터 정제와 인터페이스 설계를 잘해야 한다는 점이다. ¹

또 하나의 흐름은 분포 밖(OOD) 과제와 실제 로봇 검증으로 평가 기준이 이동한다는 점이다. Qwen-RobotManip은 OOD 평가군을 중시하고 여러 로봇 플랫폼에서 실제 검증을 보고한다. 제품 기획 관점에서는 서로 다른 로봇 간 전이와 장기 과제에서의 안정적 모드 전환 증거가 유용한 관찰 지표가 된다. ²