새로 나온 로봇, 피지컬 AI 논문과, 각 논문이 업계에 갖는 의미.
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.
UniWAM은 물리 추론기, 세계 생성기, 행동 예측기를 하나의 MoT 구조로 통합한 로봇 모델이다. LIBERO 표준 평가 평균 99.2%, RoboTwin 2.0 Clean2Random 68.32%를 기록했고 실물 양팔 평가에서 π0.5 대비 과제 성공률을 13.1%포인트 높였다. 이 논문은 프리프린트이며, 인간과 로봇 데이터를 섞은 사전학습에서 로그 선형 스케일링 법칙도 확인했다.
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.
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.
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.
FailBank는 런타임 CBF 교정 신호를 관찰 전용으로 수집해 VLA 정책을 LoRA로 반복 개선하는 프레임워크다. VLA-Arena 정적 장애물 평가에서 π0.5 백본 기준 평균 성공률을 66.0%에서 74.5%로 8.5%p 높이고 정책 유발 누적 비용을 35.6% 줄였다. 런타임 차폐 AEGIS와 비교하면 성공률을 25.4%p 높였으며, 이 연구는 프리프린트이고 실물 로봇 실험은 보고되지 않았다.
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.
이 논문은 프리프린트다. 연구진은 VLA 모델이 지시와 장면을 결합해 필요한 행동을 선택하지 못하는 instruction action binding 현상을 진단하고, 같은 지시에 서로 다른 행동이 필요한 장면 쌍을 학습에 쓰는 Equivariant Counterfactual Training(ECT)을 제안했다. LIBERO-PRO에서 ECT는 \pi_{0.5}의 평균 위치 교환 성공률을 36%에서 59%로 올렸고, CALVIN에서는 5개 연속 작업 완료율을 58%에서 76%로, UR5e 실물 로봇에서는 보지 못한 위치 성공률을 8%에서 88%로 높였다.
로봇 기업 매직랩(MagicLab)이 동작을 고르는 동안 장면의 3D 구조가 어떻게 움직이고 동작 뒤 장면이 어떤 모습이 될지를 함께 예측하는 34억 파라미터 로봇 모델 Magic-W0를 프리프린트로 공개했다. 10월 3일 개정판에서 RoboDojo-Sim 순위표 평균 36.75점으로 1위에 올랐지만 2위와 차이는 0.48점에 그쳤고, 실제 로봇 5개 과제에서는 피지컬인텔리전스의 π0.5를 94.6% 대 91.8%로 앞섰다.
XPeng 등 공동 연구진이 점과 박스를 공용 어휘의 양자화 좌표로 생성하는 4B 파라미터 그라운딩 기반 모델 GroundingPI를 공개했다. 이 프리프린트는 34개 벤치마크 평균 73.68%로 GPT-6 Astra(71.54%)를 넘었고, RoboTwin 2.0의 네 가지 OOD 설정 모두에서 비교 백본 중 1위를 기록했으며, RoboCasa-GR1에서는 50% 데모만으로 다른 모델의 75% 성능을 웃돌았다. 범용 VLM의 정밀 지각 한계를 줄여 실행 계층을 위한 지각 기반 모델의 가능성을 보였다.
이 프리프린트는 관절형 무인 항공 조작기(UAM)에서 로컬 전신 비전-언어-행동(VLA) 정책을 장면 규모 임무로 확장하는 통합 프레임워크를 제안했다. 합성 데모로 VLA를 훈련하고 측정 진행 정렬(MPAR)로 비동기 행동 청크를 연속 궤적으로 실현하며, Scene Graph로 언어 목표를 실행 가능한 핸드오프 상태로 연결한다. 시뮬레이션 다중 사이트 임무 50회 중 21회(42.0%)를 완료했고 물리 UAM에서도 검증해 합성 데이터 기반 공중 조작 가능성을 보였다.
PrefPI는 사전학습된 생성형 로봇 정책을 사용자가 고른 상대적 선호만으로 반복 학습해, 초기 정책이 거의 생성하지 못하는 분포 밖 행동으로 옮기는 프레임워크다. 확산 정책과 PI0.5 플로매칭 VLA를 시뮬레이션과 실물에서 평가했고, 실물 WidowX 로봇에서 물체 운반 높이를 10.7cm에서 19.8cm로 높이면서 작업 성공률을 90% 이상 유지했다. arXiv 프리프린트다.
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.
이 논문은 프리프린트로, VLA 모델 추론과 로봇 실행 사이 시간 불일치를 줄이기 위해 2단계 비균일 Flow Matching 디노이징과 분산 실시간 실행 프레임워크를 제안했다. π0.5 기준 모델에서 NFE를 10에서 2로 줄여 모델 추론 시간을 61.557 ms에서 21.956 ms로 2.804배 단축했고, 실물 양팔 옷 접기 과제에서 여섯 가지 실시간 실행 방법을 비교해 Legato가 학습 기반, Temporal Smoothing이 비학습 기반 중 가장 우수했다. 이 결과는 모델 추론 효율과 로봇 시스템 타이밍을 함께 최적화해야 함을 보여준다.
Yinwang Intelligent Technology 연구진이 공개한 프리프린트에서 의미 이해, 시각적 미래 예측, 행동 생성을 한 모델에 묶은 EWAM을 제안했다. EWAM은 행동 토큰이 얕은 층에서는 시각언어 토큰을, 중간 층에서는 예측 미래 프레임을, 깊은 층에서는 행동 토큰을 주로 읽는 층별 전문화를 학습으로 형성했다. RoboTwin clean-to-random 72.1%, LIBERO 평균 98.8%, 다수 실물 로봇 과제에서 기존 VLA와 WAM 하이브리드보다 높은 성공률을 보였고, 인간 egocentric 사전학습은 미학습 로봇 전이 성공률을 40.1%에서 66.9%로 올렸다.
Vision-language-action (VLA) models have advanced robotic manipulation, but their zero-shot generalization in new tasks and environments remains limited, and their reliance on specialized training keeps them from benefiting directly from rapidly advancing general-purpose vision-language models (VLMs). In parallel, recent agentic robotic systems leverage VLMs for high-level reasoning or coding agents for robot control, but often depend on extensive external models and tools, introducing additional complexity and cost.
Visual Language Action (VLA) models offer unprecedented generalization for autonomous robots; however, their real-world deployment is frequently bottlenecked by unreliable execution and the prohibitive computational cost of fine-tuning for specific robot embodiments and tasks. To bridge this gap, we propose WayFinder, an end-to-end, closed-loop hierarchical VLA framework that circumvents the need for fine-tuning by decoupling high-level task reasoning from low-level kinematic control.
이 프리프린트 논문은 로봇이 명령한 동작과 실제 실행한 동작의 잔차를 자기지도 신호로 사용해 VLA 정책을 배치 중 온라인으로 적응시키는 self-compensating VLA를 제안했다. 저자들은 마찰, 백래시, 컴플라이언스, 중력 보상 오차를 결합한 시뮬레이션 벤치마크 RoboStress와 두 대의 실물 Piper 팔에서 평가했고, 두 팔 각각에서 평균 작업 성공률을 30%포인트 이상 끌어올렸다고 밝혔다. 이 연구는 아직 동료 심사를 거치지 않았다.
Diffusion and flow-matching Vision-Language-Action (VLA) policies generate action chunks through iterative denoising, incurring substantial inference latency that severely limits real-time robotic control. Existing acceleration methods treat an action chunk as a monolithic computational unit, ignoring a crucial physical reality of receding-horizon control: actions are generated jointly but consumed sequentially, resulting in inherently heterogeneous execution urgencies.
Simulated manipulation benchmarks are the standard tool for evaluating vision-language-action (VLA) policies and the acceleration methods that reduce their inference latency for on-robot deployment. On these benchmarks, we observe that some training-free acceleration methods, which approximate the baseline policy's computation, achieve higher measured success rates than the baseline itself.
논문은 arXiv 로봇 피드에서 가져옵니다. 요약이 아직 작성되지 않은 논문은 초록의 첫 부분을 보여줍니다.