새로 나온 로봇, 피지컬 AI 논문과, 각 논문이 업계에 갖는 의미.
KAIST 연구팀이 VLA 모델이 물체를 손상시키지 않고 조작 과제를 끝내는지 평가하는 ManiPhysicsBench를 프리프린트로 공개했다. ManiPhysicsZoo의 91개 객체 자산과 물리 솔버 기반 평가로 LIBERO와 SimplerEnv에서 공개 VLA 체크포인트를 시험한 결과, 평균 과제 성공률 48.3% 대비 안전 성공률은 13.5%에 그쳤다. 그리퍼 지시를 객체별 연속 값으로 다시 학습시키자 안전 성공률은 올랐지만 과제 성공률은 낮아져 보존과 성공의 균형이 과제로 남았다.
MixVLA는 비전언어행동(VLA) 모델의 제로샷 일반화를 높이기 위해 불변 표현과 비불변 표현을 분리하고 비불변 정보를 적응적으로 섞는 모델 비특정 훈련 프레임워크다. LIBERO-Plus에서 OpenVLA-OFT 대비 전체 성공률을 69.6%에서 76.2%로, RoboTwin 2.0 clean-to-randomized에서 π0.5 대비 46.0%에서 62.4%로 끌어올렸다. 이 논문은 동료 심사를 거치지 않은 arXiv 프리프린트다.
SARI는 접근 단계는 시뮬레이션, 접촉 단계는 실제 시연으로 분리해 학습하는 프레임워크다. 가우시안 스플래팅 디지털 트윈으로 작업 공간 전반의 접근 궤적을 만들고, 실제 접촉 시연은 소수 위치에서만 수집해 하나의 VLA 정책을 후학습한다. 실제 Franka 로봇의 5개 접촉 중심 과제에서 실데이터 수집 시간을 34.3% 줄였고, 실접촉 시연이 없는 미학습 위치에서 27.5%의 성공률을 기록했다. 이 연구는 arXiv 프리프린트로 공개됐다.
DuoMind는 각 로봇에 VLM 오케스트레이터와 VLA 행동 모델을 결합하고 로봇 간 의미 통신을 추가한 분산형 계층적 다중 로봇 협업 프레임워크다. RoboPoly와 RoboTwin의 장기 작업에서 기준 모델보다 대부분 높은 성공률을 기록했으며, 통신 제거 실험을 통해 의미 메시지 공유가 부분 관찰 환경의 협업에 중요함을 확인했다. 이 논문은 arXiv 프리프린트로 공개됐으며 동료 심사 여부는 보고되지 않았다.
존스홉킨스 APL 연구진이 공개한 프리프린트에서 Vision-Language-Action 모델에 언어 대신 8채널 근전도 신호나 시각 분할 주석을 연속 조건으로 넣는 EC-VLA와 VA-VLA를 제안했다. 실물 SO-101 팔 실험에서 EC-VLA는 물체가 적은 정상 장면에서는 언어 프롬프트 기준 모델과 성공률이 같았지만, 물체를 추가한 혼잡 장면에서는 성공률이 30%에서 50%로 올랐고 완전 실패율은 50%에서 4%로 줄었다. RoboCasa 시뮬레이션의 VA-VLA도 혼잡 장면에서 기준 모델 대비 성공률이 11%에서 20%로 올라 비언어 조건이 작업 명시에 유리할 수 있음을 보였다.
에든버러대와 밀라노 공대 연구팀이 프리프린트로 공개한 논문에서 VLA 모델의 강건성을 과제 성공률(TSR)만으로 평가하면 섭동이 성공 궤적에 미치는 영향을 놓친다는 점을 보였다. LIBERO와 LIBERO-Plus에서 π0.5, VLANeXt, OpenVLA-OFT를 평가한 결과, 같은 성공률을 보이는 조건에서도 카메라, 로봇, 센서 섭동에 따라 성공 궤적의 지속 시간, 저크, 그리퍼 움직임이 크게 달라졌다. 연구팀은 성공 여부뿐 아니라 로봇이 과제를 어떻게 수행하는지 측정하는 행동 지표를 강건성 평가에 보완해야 한다고 제안했다.
arXiv 프리프린트로 공개된 이 연구는 사전학습된 VLA 정책을 재학습 없이 보호하는 런타임 안전 필터를 제안했다. 그리퍼, 손목, 전완을 5개 타원체로 감싸고 희소 광학 흐름으로 위험 물체의 타원체 중심을 이동시키는 방식으로, 시뮬레이션 이동 위험물 벤치마크에서 충돌률을 65.62%에서 27.27%로 낮추고 안전 성공률을 29.35%에서 50.43%로 높였다. 물리 SO-101 팔에서는 16회 중 위험물 접촉이 비차폐 11회에서 차폐 3회로 줄었으며, 엣지 CPU에서 배리어가 99백분위 2.2ms로 실행됐다.
하얼빈공업대학(선전)과 Pengcheng Laboratory 연구팀이 공개한 프리프린트에서 VLA 모델의 새 작업 적응을 메모리 중심으로 바꾼 Optimus-R을 제안했다. Optimus-R은 학습 가능한 메모리 토큰을 VLA prefix 스트림에 삽입해 제어 관련 쿼리와 스킬 표현을 추출하고, 이를 쿼리-스킬 메모리 뱅크에 저장해 재사용한다. 실험에서 30% 학습 데이터만으로 LIBERO 평균 성공률을 16.5%p, CALVIN 평균 완료 길이를 0.42, RoboTwin 2.0 Hard 성공률을 5.0%p 높였고, 실물 로봇 20개 데모 크로스도메인 적응에서 33.3% 성공률로 π0.5 대비 13.9%p 우위를 보였다.
로봇 AI 모델은 앞으로의 동작을 한 묶음씩 예측하는데, 그중 몇 개를 실행한 뒤 다시 주변을 살필지는 대개 사람이 고정값으로 정해 왔다. 칭화대와 베이징즈위안인공지능연구원(BAAI) 등이 낸 이번 프리프린트는 이 값을 작업 중에 스스로 고르는 부가 모듈을 제안했고, 피지컬인텔리전스와 엔비디아의 기존 모델을 다시 학습시키지 않고도 시뮬레이션과 실제 양팔 로봇에서 성공률을 끌어올렸다.
A slow VLM planner (7–9 Hz) and a fast visuomotor policy (200 Hz) control a full humanoid upper body from language.
논문은 arXiv 로봇 피드에서 가져옵니다. 요약이 아직 작성되지 않은 논문은 초록의 첫 부분을 보여줍니다.