로비언트, 체화형 네이티브 월드 액션 모델 ‘링봇-VA 2.0’ 출시

▲중국 로비언트가 로봇 체화형 네이티브 월드 액션 모델 ‘링봇-VA 2.0’을 출시했다. (사진=로비언트)

중국 앤트그룹(Ant Group) 산하의 로비언트(Robbyant)가 체화형 네이티브 월드 액션(행동) 모델 ‘링봇-VA 2.0’을 출시했다고 로보틱스247이 11일(현지시간) 보도했다.

​

로비언트는 이번 출시가 디지털 월드 모델을 재해석해 사용하던 기존 방식에서 벗어나, 물리적 세계에 맞게 네이티브로 설계한 로봇 공학 파운데이션 모델의 핵심적 전환점이라고 밝혔다.

​

로비언트에 따르면 링봇-VA 2.0은 미세 조정된 디지털 콘텐츠 생성 모델에 의존하는 대신 처음부터 물리적 환경에서의 동적 모니터링, 인과 관계 예측, 실시간 실행이라는 본연의 요구 사항을 충족하도록 처음부터 새롭게 만들어졌다.

​

이 회사는 링봇-VA 2.0이 빠른 속도의 에어 하키와 깨지기 쉬운 칩 피킹에서부터 컨베이어 벨트 정렬, 롱 호라이즌 책상 정리에 이르기까지 향후 전개에 대한 시각적 예측, 잠재 행동 디코딩 및 실제 관찰기반의 재학습(리그라운딩)을 하나의 폐쇄 루프에서 유지해 작업 전반에 걸쳐 안정적인 제어를 보여준다고 말했다.

​

롱 호라이즌 책상정리는 일시적이고 신속한 정리가 아닌 지속 가능하고 장기적인 효율성에 초점을 맞춘 작업 공간을 조직하는 확장되고 전략적인 접근 방식을 말한다. 실제 관찰 기반의 재학습은 AI 또는 자율 에이전트가 물리적 세계의 실제 현재 감각 데이터에 고정해 '생각' 또는 예측을 업데이트하는 과정이다.

​

◇로봇 월드 액션 모델의 새로운 시대

​

월드 모델과 체화 AI를 통합하는 것은 그동안 AI 업계의 주요 화두 중 하나였다. 그러나 기존의 주류 접근 방식은 디지털 콘텐츠용으로 설계된 비디오 생성 모델에 의존해 이를 로봇 제어용으로 미세 조정하는 방식이었다. 콘텐츠 제작은 시각적 품질과 창의성을 우선시하는 반면, 로봇 제어는 실행 효율성과 물리적 정확성을 요구한다. 이로 인해 무리하게 모델을 맞추다 보면 기존 지식을 망각하거나 일반화 능력이 떨어지는 현상이 자주 발생했다.

​

반면 링봇-VA 2.0은 다른 접근 방식을 취한다. 자동 회귀(Autoregressive) 아키텍처를 사용해 처음부터 사전 학습을 진행함으로써, 특정 행동이 환경을 어떻게 변화시킬지 이해하고 그 인과적 예측을 바탕으로 다음 단계를 결정하도록 설계됐다.

▲로비언트는 체화형(embodied) 액션 모델 링봇-VA 2.0이 빠른 속도의 에어 하키와 깨지기 쉬운 칩 피킹에서부터 컨베이어 벨트 정렬, 롱 호라이즌 책상 정리에 이르기까지 향후 전개에 대한 시각적 예측, 잠재 행동 디코딩 및 실제 관찰 기반의 재학습(리그라운딩)을 하나의 폐쇄 루프에서 유지해 작업 전반에 걸쳐 안정적인 제어를 보여준다고 말했다. (사진=로비언트)

◇링봇-VA 2.0의 4가지 핵심 설계

​

로비언트는 링봇-VA 2.0 모델이 이러한 새로운 접근 방식을 달성하기 위해 다음의 네 가지 핵심 설계 위에 구축됐다고 밝혔다.

​

△시맨틱 시각-행동 토크나이저(Semantic visual-action tokenizer)=시각 압축 과정에서 의미 정보와 행동 정보를 정렬하는 새로운 시각 인코더로서 모델의 ‘지시 이해’를 더 효과적으로 '행동 완료'로 전환할 수 있도록 돕는다.

​

△엄격한 인과적 사전 학습(Strict causal pre-training)=처음부터 자동 회귀 아키텍처를 사용해 시각적 예측과 행동 생성이 엄격하게 단방향 시간 순서를 따르도록 보장한다.

​

△전문가 혼합(Mixture of Experts, MoE)=이 아키텍처는 추론 효율성을 희생하지 않으면서 모델 용량을 확장해 성능과 속도의 균형을 맞춘다.

​

△향상된 비동기 추론(Enhanced asynchronous inference)=실시간 폐루프 제어를 가능케 하는 메커니즘이다. 로봇이 행동을 수행하는 동시에 미래 상태를 예측하고, 최신 실제 관측치를 사용해 다음 결정을 지속적으로 수정할 수 있도록 한다.

​

◇성능 및 향후 전망

​

이러한 설계 덕분에 체화형 월드 모델의 고질적인 문제였던 낮은 실행 효율성이 해결됐으며, 단일 GPU에서 150Hz의 실시간 추론 속도를 달성했다. 또한 변수(파라미터) 업데이트 없이 문맥 내 학습을 통해 단 20회의 시연만으로도 새로운 작업에 일반화할 수 있다.

​

주 싱 로비언트 CEO는 “로비언트는 체화형 지능의 새로운 한계를 계속 탐구하는 동시에, 산업 및 실제 시나리오에서 로봇 배치를 가속화하기 위해 개방형 기술 및 애플리케이션 생태계 개발을 촉진할 것이다”라고 말했다.

​

링봇-VA 2.0은 최근 로비언트가 진행한 6개 모델 출시 주간의 대미를 장식하는 모델이라고 말했다. 로비언트는 이 모델들이 결합되면 인지, 월드 시뮬레이션, 행동을 위한 완전한 체화형 네이티브 풀스택이 구성된다고 말했다. 출시된 모델 라인업은 링봇 뎁스 2.0, 링봇 비전, 링봇-비전, 링봇-VLA 2.0, 링봇-월드2.0, 링봇-비디오, 링봇-VA 2.0이다.

​

이재구 기자 robot3@irobotnews.com

저작권자 © 로봇신문 무단전재 및 재배포 금지