새로 나온 로봇, 피지컬 AI 논문과, 각 논문이 업계에 갖는 의미.
UCLA RoMeLa 연구진은 관절이 360도 연속 회전하는 270g 쿼드루페드 MiNI-Q에서 정립 보행, 도립 보행, 낙하 후 복귀, 교체형 발 형상 전이를 하나의 강화학습 정책으로 수행했다고 밝혔다. 이 연구는 arXiv 프리프린트로 공개됐으며, 128×128 MLP 정책이 ESP32 듀얼 마이크로컨트롤러에서 50Hz로 완전 온보드 실행됐다. 실물 실험에서 전진 속도 RMSE가 정립 0.037±0.004m/s, 도립 0.050±0.003m/s였고, 30회 낙하 시험 중 24회(80%) 안정 보행에 복귀했다.
arXiv 프리프린트로 공개된 이 연구는 차량, 드론, 웨어러블, 사족 로봇의 파노라마 영상을 하나의 의미 분류 체계로 묶은 EmbPASS 벤치마크를 구축하고, 목표 플랫폼 주석 없이 360도 의미 분할을 수행하는 EPONet을 제안했다. EPONet은 EmbPASS에서 플랫폼 균형 평균 mIoU 35.82%를 기록하며 가장 강력한 비교 모델 OOOPS w/ RERP보다 1.10%포인트 높은 성능을 보였고, 기존 공개 벤치마크 DensePASS에서도 mIoU 49.15%로 최고 성능을 달성했다. 이는 서로 다른 로봇 플랫폼에 개별 파노라마 주석을 만들지 않고도 일관된 360도 장면 이해를 가능하게 하는 방향을 제시한다.
WING은 1인칭 시점 인간 영상에서 상호작용 중심 잠재 행동을 추출하고 저주파 시간 구조를 로봇 행동 생성 가이던스로 쓰는 프레임워크다. LIBERO에서 평균 99.20%, RoboTwin 2.0에서 93.80%, RoboCasa–GR1에서 57.7%의 성공률을 기록했고 실물 양팔 로봇 4개 과제에서도 강한 성능을 보였다. 이 연구는 아직 동료 심사를 거치지 않은 arXiv 프리프린트다.
VIGOR는 모델 기반 강화학습에서 보지 못한 시각적 방해 요소에도 제로샷 일반화가 가능하도록 잠재공간 일관성을 부과한 프레임워크다. TD-MPC2 백본에 비대칭 약증강-강증강 배치 분할, 동역학 수준 일관성 손실, 인코더 수준 안정화를 통합했으며, DMC와 Robosuite에서 두 번째로 좋은 기준 모델 대비 평균 3.4%와 43.6% 높은 성능을 보였다. 이 논문은 프리프린트이며 동료 심사 여부는 확인되지 않았다.
MobiAgent는 장기 모바일 조작을 위해 고수준 추론과 저수준 제어를 원자 스킬로 분리한 이중 루프 에이전트 프레임워크다. 배포 시 Inner Loop가 VLM 기반 동적 계획과 시각 검증으로 오류를 복구하고, Outer Loop가 배포 궤적을 자동 선별해 사람 주석 없이 정책을 지속 개선한다. BEHAVIOR-1K에서 65.0%의 평균 성공률로 과제별 π0.5-TA의 42.5%를 22.5%p 앞섰고, 실제 Astribot S1에서는 32.5%에서 57.5%로 향상됐다. 이 논문은 아직 동료 심사를 거치지 않은 프리프린트다.
KungfuAthleteBot(KAB)은 무술 선수 영상에서 재구성한 고난도 동작을 물리적으로 보정하고, 동작 추적과 낙상 복구를 하나의 강화학습 정책으로 묶은 프리프린트다. 실제 Unitree G1에서 약 0.7초 만에 임의의 낙상 자세에서 일어나 동작을 재개했으며, 7개 고난도 동작 벤치마크에서 모두 6/6 성공했다. 영상 기반 동작 데이터를 로봇 제어에 쓸 때 생기는 물리적 불일치와 구동 정보 부재 문제를 함께 풀었다는 점에서 의미가 있다.
이 논문은 새로운 뷰 합성(NVS)을 기하 표현 학습에 쓰는 SNAP을 제안한 프리프린트이다. SNAP은 자세 조건부 지역 디코더와 잠재 공간 재구성 목표를 사용해, 밀집 3D 정답 없이도 기하 감독 모델 VGGT와 대등한 성능을 다섯 가지 과제에서 보였다. 핵심은 디코더의 표현력을 제한하고 RGB 화소 대신 DINOv3 특징을 예측하도록 해 전이 가능한 기하 구조를 인코더에 강제한 점이다.
POSTECH과 KAIST 연구진이 개발한 PointWAM은 장면과 손을 하나의 3D 시공간 좌표계에서 점 궤적으로 함께 예측하는 세계 행동 모델이다. arXiv 프리프린트로 공개된 이 연구에서 PointWAM은 대규모 인간 시연 영상 사전학습을 통해 DexJoCo 시뮬레이션 10개 과제 평균 성공률 69.0%를 기록하며 기존 최고 GR00T N1.6보다 11.7%포인트 높았다. 장면 궤적 예측을 추가해 손만 예측할 때보다 10.9%포인트 성능이 올랐고, 실물 로봇의 정밀 삽입과 이력 외 물체 집기에서도 비교 대상 VLA를 앞섰다.
arXiv 프리프린트로 공개된 I2CD는 사전학습된 Hunyuan3D-2 백본을 얼리고 3,800만 파라미터의 경량 크로스어텐션 헤드만 학습해 단일 RGB 이미지에서 K개 볼록 다면체의 하프플레인 파라미터를 직접 출력한다. OmniObject3D와 Google Scanned Objects 227개 평가에서 8개 재구성 후 분해 파이프라인 중 가장 높은 체적 IoU를 기록했고, 종단 간 처리 시간은 약 0.5초로 6배에서 37배 빨랐다. MuJoCo, PyBullet, Genesis, Isaac Sim에서 후처리 없이 그대로 사용됐고, 실제 xArm7의 20개 물체 장면에서 플래너 입력 지오메트리 생성 시간을 328초에서 11초로 줄였으며 실행 성공률은 85/100으로 기준 모델의 90/100과 비슷했다.
AVL-JEPA는 행동 조건부 물리 변화를 잃는 JEPA 세계 모델의 '인과 동역학 정보 붕괴'를 막기 위해 행동 앵커와 시각 불변 경로를 결합한 방법이다. TwoRoom, PushT, OGBench Cube, Reacher 시뮬레이션 평가에서 가우시안 노이즈와 채도 변화 아래 성공률을 크게 높였고, TwoRoom의 물리 결과 정렬 Spearman 상관을 0.35에서 0.53으로 올렸다. 이 논문은 프리프린트이며 동료 심사 여부는 확인되지 않았다.
이 프리프린트는 6명 피험자 맞춤형 근골격 모델과 OpenSim Moco 예측 시뮬레이션으로 고관절, 무릎, 발목 보조 조합 7가지를 평가했다. 50 Nm 보조에서 고관절, 무릎, 발목 동시 보조가 평균 COT 48.50±4.55% 감소로 가장 컸고, 단일 관절은 고관절이 31.77±5.21%로 우세했으며, 두 관절 조합에서는 고관절, 발목이 44.60±7.08%로 고관절, 무릎, 발목의 이점 대부분을 회수했다. 이상적인 액추에이터와 단순화한 모델을 쓴 시뮬레이션이라 실험 검증이 필요하지만, 고관절과 고관절, 발목 보조가 설계 우선순위가 될 수 있다는 근거를 제시했다.
홍콩중문대 연구진이 arXiv에 공개한 프리프린트에서 작업공간 등변성을 갖는 시각 촉각 확산 정책 VISTA를 제안했다. VISTA는 손목 카메라와 촉각 센서 입력을 구면 토큰으로 투영하고 촉각 정보를 시각 방향에 융합한 뒤 로봇 말단 자세로 회전시켜 확산 정책을 조건화한다. 시뮬레이션 8개 과제에서 과제당 50개 시연만으로 평균 성공률 80.9%를 기록해 EquiDiff+Tac보다 15.9%포인트 높았고, 실물 로봇 3개 과제에서도 평균 7.33/10회 성공했다.
이 논문은 혈관 내 뇌-컴퓨터 인터페이스(BCI) 접근을 위해 대뇌 정맥계에서 자율 로봇 내비게이션을 처음으로 시연한 프리프린트다. Soft Actor-Critic(SAC)으로 두 단계 과제를 학습시켜 시뮬레이션에서 훈련 해부학 기준 성공률 85.6%와 98.4%, 보지 못한 해부학 기준 42.0%와 91.6%를 얻었고, 형광투시 안내 물리 팬텀 20회 중 14회(70%)를 성공했다. 실패 예측기는 시뮬레이션에서 실패의 99.3%에서 100.0%를 탐지했지만 물리 전이 후 보정이 떨어져 임상 전 검증이 필요하다.
Loughborough University와 University of Pisa 연구진은 평생 강화학습에서 이전 정책을 선택적으로 재사용하는 AMSC(Adaptive Mask Selection and Composition)를 제안했다. AMSC는 온라인 상태-행동-보상 샘플의 Wasserstein 임베딩으로 작업 유사성을 추정해 관련 정책 마스크를 희소 선택하고 가중 합성하며, CT28과 MG16에서 AUC/FWT/FGT 0.94/0.94/0.00과 0.73/0.54/0.00을 기록했다. 이 연구는 아직 동료 심사를 거치지 않은 프리프린트이며, 작업 유사성이 학습된 합성 가중치 없이도 선택적 재사용의 기준이 될 수 있음을 보인다.
arXiv 프리프린트로 공개된 이 연구는 VLA 모델 내부 표현을 희소 오토인코더(SAE)로 분석해 적대적 패치와 상관된 특징을 찾고, 선형 프로브가 공격을 감지했을 때만 해당 특징을 억제하는 Detect and Suppress 방어법을 제안했다. LIBERO-10에서 π0.5와 SmolVLA를 UADA 공격으로 평가한 결과, 조건부 개입은 공격 성공률을 높였고 무조건 억제는 정상 성능을 크게 떨어뜨렸다. 이는 VLA 적대적 방어에서 내부 특징을 겨냥하되 개입 시점을 통제하는 것이 중요함을 보여준다.
LiteReality-Agent는 실내 RGB-D 스캔을 사실적이고 관절이 있는 시뮬레이션용 3D 장면으로 재구성하는 에이전트 시스템이다. 이 시스템은 재구성을 코딩 문제로 바꿔 Room.py라는 실행 가능한 파이썬 프로그램을 반복적으로 수정하고 검증한다. 10개 실내 장면에서 GPT-6 Astra와 Fable 5.1 같은 최신 프런티어 모델보다 시각 충실도와 기하 정확도가 높았고 물리적 개연성 평가에서도 가장 좋은 결과를 보였다. 이 논문은 arXiv 프리프린트다.
SCOUT는 오프라인 다중 에이전트 강화학습에서 플로 매칭 행동 사전과 분해 가치함수를 결합하고, 테스트 시점에 Stein 변분 기울기로 행동 후보를 고가치 영역으로 수송하는 프레임워크다. SMACv1 12개 데이터셋 평균 보상 16.1, MA-MuJoCo 12개 데이터셋 평균 정규화 점수 82.12로 비교 모델 중 최고 평균을 기록했다. 이 논문은 arXiv 프리프린트로, 동료 심사 게재 여부는 확인되지 않았다.
로봇과 체형이 다른 사람의 상태 궤적만으로 정책을 학습할 때 로봇이 실행 불가능한 전이를 로봇 자신의 경험으로 가려내는 EF-GAIfO를 제안했다. 점질량 환경에서 GAIfO 대비 성공률을 최대 75%포인트 높였고, Unitree Go2 실물 로봇의 물체 집기 작업에서도 70~80% 성공률을 보였다. 이 연구는 arXiv 프리프린트로, 동료 심사 여부는 보고되지 않았다.
UC 버클리와 하버드 연구진이 동적 3D 세계를 희소 SE(3) 포즈 궤적으로 표현하는 생성 모델 World Motion Models(WMMs)를 제안했다. WMMs는 토큰별 노이즈 수준을 쓰는 플로 매칭과 컨텍스트 토큰을 도입해 미래 예측, 계획, 제어, 리타게팅 등 여섯 가지 응용에서 강한 성능을 보였다. 이 논문은 아직 동료 심사를 거치지 않은 프리프린트다.
이 논문은 이벤트 카메라의 비동기 측정 시각을 유지하면서 실시간으로 스테레오 시각 주행 기록계(VO)를 추정하는 파이프라인을 제안했다. WNOA 사전 분포를 쓰는 Gaussian Process 회귀에서 상태를 희소 키타임(keytime)으로 줄이고 각 측정을 해당 시각으로 보간해 계산량을 낮췄다. MVSEC와 DSEC 데이터셋 평가에서 MVSEC 22Hz, DSEC 6Hz로 실행됐고, 유효 시퀀스 전체의 상대 이동/회전 RMS 오차는 각각 46×10^{-2} cm, 3.8×10^{-2}도로 ES-PTAM 대비 11배, 15배 우수했다. 아직 동료 심사를 거치지 않은 프리프린트다.
논문은 arXiv 로봇 피드에서 가져옵니다. 요약이 아직 작성되지 않은 논문은 초록의 첫 부분을 보여줍니다.