MAIA: 시각과 힘을 함께 예측해 접촉 작업 이상을 미리 경고하는 월드모델

로봇이 행동 청크를 실행하기 전에, 그 동작이 걸림이나 미끄러짐, 접촉 상실 같은 비정상 상호작용으로 이어질지 판단할 수 있는가.

최신 조작 정책은 수십 스텝 앞을 계획하지만 감시는 여전히 사후 대응이다. 이상이 눈에 보인 다음에야 경보가 울려 개입할 여유가 거의 없다. 카메라는 형상은 보여주지만 접촉력과 마찰, 저항은 간접적으로만 드러내고, 계획된 행동은 의도한 움직임일 뿐 물체가 어떻게 되밀지는 알려주지 않는다. 기존 실패 데이터셋은 대부분 에피소드 단위 성패만 표시하고 힘 신호가 없어, 이상이 언제 시작되는지 학습하거나 평가할 방법이 없었다.

분포 이탈 탐지(PCA-KMeans, LogpZO)는 정상 실행과 다르게 보이는 모든 것을 잡아내 속도나 자세의 무해한 변화까지 경보로 처리한다. SAFE-LSTM은 VLA 내부 특징으로 실패를 학습하지만 이번 논문 실험에서 균형 정확도가 학습 과제 0.724에서 새 과제 0.495로 떨어졌다. 진행도 보상 모델(Robo-Dopamine, Robometer)은 오경보가 많은 간접 신호에 그치고, 월드모델 감시기 WCM은 한 스텝 앞만 예측한다.

MAIA는 GE-Base 영상 월드모델에 행동과 힘 경로를 더했다. 미래 행동을 토큰으로 만들어 최근 손목 힘 측정값을 참조하게 하고, 그 결과를 게이트형 교차 어텐션 어댑터로 영상 트랜스포머에 주입한다. 정상 실행만으로 다음 50 제어 스텝(30Hz 기준 약 1.7초)의 영상과 힘을 예측하도록 학습한 뒤, 고정된 예측 결과 위에 작은 이상 헤드를 얹어 구간 내 이상 발생 확률과 이상이 차지할 비중을 출력한다. 연구진은 프랑카 리서치 3와 ATI 6축 힘센서, 리얼센스 카메라 3대로 18개 과제 2,852개 궤적을 모은 실데이터셋 CRIA도 공개했다. 프레임 단위 이상 라벨이 붙었고 1,817개 궤적에 이상이 하나 이상 들어 있다.

학습한 13개 과제에서 MAIA는 AUPRC 0.738, 균형 정확도 0.765, 사전 경고율 0.464, 경고 선행 시간 중앙값 28.0 스텝을 기록했다. 최강 비교군 WCM은 각각 0.669, 0.702, 0.242, 17.7 스텝이었다. 보지 않은 5개 과제에서도 AUPRC 0.728, 균형 정확도 0.710, 선행 25.1 스텝을 유지했다. 힘 입력을 빼면 평균 균형 정확도가 0.765에서 0.689로 내려갔다. 새 과제 궤적 25개로 함께 적응시키면 0.615에서 0.762로 올랐다. 실로봇에서는 pi0.5가 낸 후보 8개 중 이상 확률이 가장 낮은 것을 고르는 방식으로 18개 과제(방법별 과제당 30회) 성공률이 52.6%에서 61.5%가 됐다. 닦기는 46.7%에서 66.7%, 경로 구속 과제는 48.9%에서 62.2%로 올랐고 끼우기는 63.3%로 변화가 없었다.

한 연구실이 로봇 한 대와 힘센서 한 종으로 수행한 프리프린트이며, 다른 기체와 센서로의 전이는 검증하지 않았다고 저자들이 밝혔다. 예측 구간이 50스텝으로 고정돼 천천히 쌓이는 이상은 놓칠 수 있고, 경고만 할 뿐 원인 진단이나 복구는 하지 않는다. MEKAWIRE가 보기에 매 계획 단계마다 후보 8개에 대해 영상 월드모델을 돌리는 연산량과 지연이 보고되지 않았다는 점이 산업용 제어기 적용 여부를 가를 변수다. 이상 라벨도 사람이 붙인 것이어서 사전 경고 점수는 이상 시작 시점에 대한 판단에 좌우된다.