새로 나온 로봇, 피지컬 AI 논문과, 각 논문이 업계에 갖는 의미.
이 논문은 arXiv에 공개된 프리프린트다. XGenAct는 RGB 관측, 로봇 행동, 계량 깊이, 표면 법선, 기능 역할 분할을 결정적 코덱으로 RGB 비디오로 변환해 하나의 비디오 확산 트랜스포머와 하나의 목적함수로 학습하는 월드 액션 모델이다. 학습에 포함되지 않은 RLBench 과제 5종에서 평균 폐루프 성공률 52%를 기록해 평가된 외부 정책 중 가장 높은 26%를 크게 웃돌았고, 구조적 인식 생성을 추가하면 RGB 단독 학습 대비 평균 성공률이 최대 28.75%포인트 올랐다.
KAIST 연구진이 arXiv 프리프린트로 공개한 FastOPD는 대형 VLA와 WAM 교사를 소형 SmolVLA 학생에 증류하면서 샘플링 단계까지 줄이는 온폴리시 증류 프레임워크다. LIBERO에서 π0.5 교사 평균 성공률의 84%를 2단계 추론만으로 유지했고 추론 지연은 78.1% 줄었으며, RoboTwin 2.0에서는 LingBot-VLA 교사 기준 단일 단계 성공률을 기존 학생보다 15.9%포인트 높였다. 실물 로봇에서도 4단계 기준 성공률을 8%포인트 개선해 대형 파운데이션 정책의 실시간 배포 가능성을 보였다.
미국 미시간대 연구진이 공개한 프리프린트에서, 냉동 비전언어모델(VLM)의 안전 예측을 보정하는 SLLCP(Split Label-Localized Conformal Prediction)를 제안했다. 이 방법은 CARLA 시뮬레이터의 미등장 시나리오 15,321개 프레임에서 Qwen 백본은 충돌 유발 궤적의 89.6%, Cosmos 백본은 88.4%를 탐지해 원시 VLM의 4.6%와 39.1%를 크게 끌어올렸다. VLM을 미세 조정하지 않고 계획 모듈과 독립적으로 쓸 수 있는 사후 보정 층이라는 점이 특징이다.
이 프리프린트는 서로 다른 체화 관찰자의 표상이 전역적으로 같지 않아도 되는 조건을 Relational Sufficiency로 정식화했다. 같은 관찰자와 표상 운송, 관계 증거를 공유하는 두 비동기 핸드오프 변형에서 상대 동기화 과제는 추가 앵커가 0개, 절대 시각 핸드오프는 정확한 응답 재구성 기준으로 1개 필요함을 해석적으로 보였다. 이는 표상 정렬을 전역 합의가 아니라 상호작용이 구별하지 못하는 모호성을 남겨도 되는 중단 조건으로 보는 관점을 제시한다.
중국 퉁지대 연구팀이 사족 보행 로봇의 실내 혼잡 환경에서 촬영한 RGB-D 데이터셋 CrowdOcc와 단안 의미 장면 완성 모델을 공개했다. 이 모델은 Normal-Guided Scene Geometry Fusion(NGSGF)과 Human-Centric Sparse Interaction(HCSI)을 더해 사람에 가려진 벽과 바닥 구조를 복원하고 사람 점유를 보정한다. 보지 못한 장면 3곳으로 구성된 시험 세트에서 IoU 15.80, mIoU 11.40, Human IoU 46.23을 기록하며 비교 모델 중 최고 성능을 보였다. 이 연구는 동료 심사를 거치지 않은 arXiv 프리프린트다.
이 논문은 달 표면에서 여러 운영 주체의 로버가 공존할 때 일부 로버가 의도적으로 잘못된 측정값을 제공하는 Byzantine 상황에서 사후적으로 궤적을 재구성하는 문제를 다룬다. 저자들은 로버 개별 측정의 이상치 여부가 아니라 로버 집단의 신뢰성을 평가하는 attribution-aware 방법을 제안했고, 합성 및 행성 유사 환경 데이터에서 GNC나 PCM 같은 기존 강건 PGO 방식이 오히려 Byzantine 로버의 거짓 궤적에 속는 반면 제안 방법은 Byzantine 로버를 식별하고 궤적 오차를 크게 줄였다고 보고했다. arXiv 프리프린트다.
이 arXiv 프리프린트는 실내 물품 배달 로봇이 개인 활동 기록 없이 자연어 요청만으로 수신자를 찾는 CSIR 프레임워크를 제안했다. 시뮬레이션 1,500개 시나리오에서 평균 이동 효율 0.62를 기록해 기존 그래프 기반 방식과 의미 기반 방식(LLM TRP 0.60)을 앞섰고, 실물 Clearpath Jackal 시연에서도 약 5분 만에 작업을 완료했다. 이 방법은 습관과 의도 같은 간접 정보의 불확실성을 명시적으로 가중 결합해 개인정보 제약이 있는 환경에 적용 가능하다.
이 프리프린트는 로봇 계획의 상위 행동 추적만 검증하는 RoboGuard가 그래프 상 중간 경유지와 암묵적 이동을 반영한 실행 추적에서는 같은 LTL 규칙을 위반할 수 있음을 보였다. 통제 평가 28개 사례에서 표적 추상화 12개 전부가 표면 계획은 안전, 정제 추적은 불안전으로 갈렸고, SPINE과 RoboGuard를 연동한 14개 사례에서도 2건의 거짓 안전이 확인됐다. 그래프 기반 추적 정제를 감시 전에 적용하면 판정 시간이 0.54ms에서 0.69ms로만 늘며 이 격차를 드러낼 수 있어, 계획기와 실행기와 감시기 사이의 명시적 추적 계약이 필요하다.
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.
논문은 arXiv 로봇 피드에서 가져옵니다. 요약이 아직 작성되지 않은 논문은 초록의 첫 부분을 보여줍니다.