DynaHarness, 냉동 VLA에 물리 실행 계약을 입혀 LIBERO-Pro 75.2% 달성
DynaHarness는 시맨틱 추론과 물리 실행을 하나의 실행 계약으로 묶고 실패 증거를 재사용 가능한 능력 수정으로 바꾸는 동적 물리 하네스다. LIBERO-Pro의 새 초기 상태 800개에서 75.2%를 기록해 같은 냉동 π0.5 정책의 17.5%보다 57.8%포인트 높았다. arXiv 프리프린트로 공개됐으며, 물리 거버넌스와 자기 진화를 결합했다는 점에서 냉동 로봇 정책 배치에 중요하다.
물리 실행을 통제하면서 그 실행 증거를 재사용 가능한 능력의 검증된 수정으로 전환하는 방법은 무엇인가?
장기 조작에서 시맨틱 추론은 물리 상호작용보다 거친 시간 척도로 움직이고, 에피소드 단위 실패만으로는 어느 구성 요소를 고칠지 알기 어렵다. 기존 하네스는 계획 사이에 접촉, 진행, 중간 성공이 발생해도 실행 중인 명령을 통제할 권한이 명확하지 않고, 고정된 능력 라이브러리만 개선한다.
실행 오케스트레이션 계열인 PhyAgentOS, EmbodiedSkills 등은 과제 분해, 도구 선택, 검증, 복구로 구성성을 높이지만 고수준 계획 사이의 물리적 접촉과 진행을 다루지 못한다. ASPIRE, Zetta 같은 자기 개선 계열은 실패로 프로그램이나 스킬을 고치지만 계획, 그라운딩, 실행, 검증, 복구 중 어디서 실패했는지 국소화하지 못한다.
DynaHarness는 Qwen3-VL-4B 슬로 브레인이 능력과 기호 인자를 제안하고, 2Hz 패스트 브레인이 명령을 그라운딩하고 모니터링하며 미해결 명령을 거부하고 능력을 대체하거나 복구와 재계획을 요청한다. 모든 로봇 명령은 실행 계약을 통과해 예산과 리스로 제한되고, 분석 스킬, 복구 스킬, 냉동 VLA에 걸쳐 결정과 결과를 기록한다. 오프라인에서 N개 진단 계층으로 실패를 국소화하고, 재사용 능력이나 실행 메커니즘을 수정한 뒤 쌍대 회귀 검사를 통해 반입을 결정한다.
LIBERO-Pro 개발 블록 800에피소드에서 DynaHarness(Qwen3-VL-4B, 냉동 π0.5)는 74.25%를 기록해 같은 조건의 PhyAgentOS 20.3%, Harness VLA 6.0%, 냉동 π0.5 16.2%를 넘었다. 냉동 후 생성한 같은 셀의 새 초기 상태 800개에서는 75.2% 대 냉동 정책 17.5%로 57.8%포인트 차이를 보였고, 사전 등록된 4개 스냅숏은 새 상태에서 개발 순위를 유지했다. 같은 능력 라이브러리에서 Full 동적 실행은 74.0%로 명목 1단계 재계획 63.9%, 고정 시퀀스 63.8%보다 10.125%포인트 높았다. 7개 분석 접촉 스킬을 제거하면 16.6%로 떨어졌다. LIBERO-Plus 별도 구성은 84.4%, 표준 LIBERO는 98.05%였고, 실물 로봇 4개 과제 각 10회 시험에서 원형 픽앤플레이스 90%, 컵 쌓기 80%, 빵 픽앤플레이스 70%, 서랍 넣기 70%였다.
저자는 별도 한계 절을 두지 않았다. 실험에서 LIBERO-Pro의 성공 판정은 벤치마크 성공 술어에 의존해 일반 환경으로 확장하려면 진행 검출기를 따로 설계해야 한다. 실물 실험은 4개 과제, 과제당 10회 시험으로 규모가 작고 단일 작업대 설정이다. 자기 진화의 쌍대 검증은 개발 시드에서 이뤄지며, 패스트 브레인은 2Hz 결정 주기와 50Hz 안전 검사 등 연산, 인프라 요구가 있다. 코드 공개 여부는 논문에 보고되지 않았다.
냉동 VLA 정책을 그대로 두고 물리 실행 통제와 자기 개선을 덧대는 구조라, 로봇 파운데이션 모델을 물류, 제조 조작 셀에 배치하려는 기업이 1~3년 안에 참고할 수 있다. 다만 상용 적용에는 카메라, 관절 상태 기반 접촉 검출, 태스크 성공 판정, 안전 모니터링 인프라와 로컬 VLM 추론 지연, 비용을 함께 설계해야 한다. 현재는 연구 시연 수준이며 실물 작업 수 확대와 안전 인증이 선행돼야 한다.
이 논문은 라이선스상 전문을 게재할 수 없어 요약과 원문 링크만 제공합니다.