서울대 도재영 교수팀 'Dynin-Robotics', 실제 로봇팔 성공률 78.4%로 pi0.5와 엔비디아 GR00T 앞서

서울대 공대 전기정보공학부 도재영 교수 연구팀(AIDAS 연구실)이 로봇 파운데이션 모델 'Dynin-Robotics'를 공개했다. 연구팀이 arXiv에 올린 논문과 프로젝트 페이지에 따르면 이 모델은 프랑카 리서치3 로봇팔로 진행한 실제 조작 조건 4종에서 평균 성공률 78.4%를 기록했다. 같은 시험에서 피지컬 인텔리전스의 pi0.5는 76.9%, 엔비디아 코스모스 폴리시는 73.6%, 엔비디아 GR00T-N1.6은 73.0%였다. 논문은 NeurIPS 2026에 채택돼 12월 발표될 예정이며, 국내 매체들은 17일 서울대 발표를 인용해 이를 보도했다.

격차 자체는 크지 않다. 눈여겨볼 대목은 어디서 차이가 났느냐다. pi0.5와 비교하면 과일 집어 옮기기 1.0%포인트, 큐브 분류 2.0%포인트, 색 순서대로 쌓기 4.5%포인트 앞섰고 순서 없는 쌓기에서는 1.5%포인트 뒤졌다. 지시문이 순서를 지정하는 과제에서 가장 크게 앞선 셈이다.

움직이기 전에 결과 장면을 그려보는 단일 모델

pi0.5나 GR00T 같은 기존 VLA는 시각언어모델에 행동 헤드를 붙이고, 코스모스 폴리시 같은 모델은 영상 생성 모델 위에 정책을 얹는다. Dynin-Robotics는 연구팀이 3월 공개한 옴니모달 확산 언어모델 Dynin-Omni를 바탕으로 언어, 카메라 영상, 목표 장면, 양자화한 로봇 행동을 하나의 토큰 열에 담는다. 가리는 구간만 바꿔 행동 생성, 행동 이후 다음 장면 예측, 작업 완료 장면 예측, 궤적을 문장으로 설명하기라는 네 가지 기능을 한 네트워크로 학습한다.

실행 단계에서는 이 기능을 조합한다. 목표 장면을 먼저 그린 뒤 행동을 만들거나, 행동과 다음 장면을 함께 다듬거나, 월드 모델로 후보 행동을 채점해 가장 나은 것을 고른다. 논문은 목표 장면 유도와 행동 및 다음 장면 공동 생성을 함께 쓸 때 바뀐 표현의 지시에 대한 성공률이 행동만 생성할 때보다 높았고, 둘 중 하나만 쓰면 오히려 낮았다고 밝혔다.

수치로 본 성능

모델은 오픈X임바디먼트 48개 데이터셋의 궤적 약 133만 개로 추가 사전학습한 뒤 벤치마크마다 따로 적응시켰다. LIBERO 평균은 98.1%로 X-VLA와 같고 ABot-M0보다 0.5%포인트 낮다. 교란 조건을 넣은 LIBERO-Plus 제로샷은 73.0%로 ABot-M0(81.6%)에 못 미쳤고, 카메라와 로봇 교란에서는 59.8%와 48.2%에 그쳤다. dInfer 기반 가속 디코더는 엔비디아 B200 한 장에서 모델 측 행동 처리량을 29.15배 높여 초당 268.8 행동 단위를 냈다. 같은 조건의 pi0.5는 7.35였다. 연구팀은 모델과 코드를 곧 공개하겠다고 밝혔다.