로보틱스·피지컬 AI

TacForcing은 로봇이 동작을 수행하는 동안 얻은 촉각 정보를 비전-언어-행동 모델에 반영하는 스트리밍 동작 생성 프레임워크다. 별도의 고주파 반응 제어기 없이 아직 실행되지 않은 동작을 계속 수정한다.

Zero-WAM은 인간의 조작 영상을 로봇의 작업 지시를 담은 컨텍스트로 사용해, 파라미터를 갱신하지 않고도 학습 단계에 없던 작업을 수행하도록 설계된 비디오-액션 모델입니다. 연구팀은 HumanGen 데이터셋과 IFP 학습 목표를 함께 제안했습니다.

Anthropic이 AI 에이전트가 로봇 팔, 현미경, 카메라, 실험 장비를 발견하고 제어할 수 있도록 설계한 ‘모델 하드웨어 표준(MHS)’ 연구 프리뷰를 공개했다. Claude에 하나의 고정된 몸을 부여하기보다, 연결된 장비를 필요에 따라 빌려 쓰는 접근이다.

StreamPI는 추가 파라미터 없이 단일 프레임 중심의 비전·언어·행동 모델에 시계열 추론을 더한다. 명령어 앵커 어텐션과 무작위 간격 학습을 통해 로봇이 과거 관찰을 활용하고 비동기 입력에도 대응하도록 설계됐다.

GigaBrain-0.7은 시각·언어 이해, 세계 예측, 로봇 행동을 연결하는 3시스템 구조를 제안한 구현 지능 모델입니다. 3만7,000시간이 넘는 이기종 데이터를 활용해 서로 다른 로봇 본체와 작업으로의 일반화를 노립니다.

WorldToken은 각 정책 시점의 다중 시점 이미지, 고유수용감각, 작업 조건을 하나의 월드 토큰으로 묶고 시간 순서로 모델링합니다. 실험은 목표 도메인 데이터와 긴 시간 문맥이 로봇 조작에 중요하다는 점을 보여줍니다.

PhysCaP는 코드-애즈-정책 로봇에 물리 정보 기반의 능동 탐색을 결합한 방법입니다. 로봇은 카메라 관찰에만 의존하지 않고 고유수용감각 데이터를 활용해 물체의 질량과 강성을 추정하며, 필요한 경우에만 추가 상호작용을 수행합니다.

General Intuition이 60억달러 프리머니 기업가치를 기준으로 신규 자금 조달을 협의하고 있다. 게임 플레이와 행동 데이터를 활용한 기반 모델을 로봇 분야로 확장한다는 구상이다.

τ₀-VLA는 장기 로봇 조작을 위해 세계 모델이 안내하는 테스트 시점 계산을 도입하고, 불확실한 상황에서 여러 하위 작업을 비교한 뒤 다음 행동을 결정합니다.

DeepMind가 VLM 기반 탐색, 모방 학습, 잔차 오프폴리시 강화학습을 결합한 VLA 정책 미세조정 방법 EXIMO를 제안했다. 이 방법은 새로운 작업을 학습할 때 필요한 원격조작 데이터와 시행착오를 줄이는 것을 목표로 한다.

지우스 인텔리전트와 위퉁이 적재량 4.2톤, 적재함 용적 19.32㎥의 자율주행 경트럭 Z20을 공개했다. 주요 적용처는 공장과 산업단지, 대형 물류센터 내부의 반복 운송이다.

Generalist의 GEN-1.5는 대규모 물리 상호작용 데이터로 사전 학습된 로봇 기초 모델입니다. 3~12초의 동작 시연만으로 파라미터 업데이트 없이 일부 미학습 작업에 도전합니다.

Zetta는 기반 정책을 고정한 상태에서 런타임 크리틱과 복구 스킬을 온라인으로 진화시키는 임바디드 AI 하네스입니다. 행동 수준 개입, 롤아웃 분석, 검증을 거친 업데이트를 서로 다른 시간尺度에서 결합합니다.

Ego2Robot은 1인칭 인간 조작 영상을 로봇용 학습 데이터로 바꾸는 합성 파이프라인이다. 소규모 태스크 변환을 넘어, 대규모 사전학습에 쓸 수 있는 데이터 자원을 만드는 데 초점을 둔다.

이 논문은 자율주행 VLM의 CoT 감독 학습에서 교사 모델이 정답 미래 궤적을 미리 보면, 실제 추론이 아니라 사후 합리화가 발생할 수 있다고 지적한다. AD-MCQ와 DEFT-RLVR는 주행 계획을 후보 궤적 선택 문제로 재구성한다.

N₀-TWAM은 접촉이 많은 로봇 조작을 위해 미래의 영상뿐 아니라 미래의 접촉까지 예측하는 촉각 네이티브 world-action model이다.

SGTP는 다중 차량 자율주행 레이싱에서 경쟁적 상호작용을 실시간으로 처리하기 위해 게임이론적 추론과 GPU 가속 샘플링 기반 계획을 결합한 프레임워크다.

새 논문은 군집 로봇을 위한 분산 예측 아키텍처 Collective-State JEPA를 제안한다. 각 로봇은 지역 관측과 제한된 이웃 메시지만으로 동일한 미래 집단 상태를 나타내는 표현을 만든다.

RL²-VLA는 비전-언어-행동 모델이 어려운 로봇 작업에서 실패할 가능성이 높을 때만 오프라인 강화학습 기반 조향을 적용하는 추론 시 프레임워크다.

N_0-VTLA는 시각과 언어만으로는 어려운 접촉 중심 조작 문제를 겨냥한 비전-촉각-언어-행동 모델입니다. 대규모 촉각 사전학습과 ALTER 기반 오프라인 정책 개선을 핵심으로 합니다.

WAIC 2026의 전시장은 로봇과 대형 모델로 뜨거웠지만, 핵심 질문은 더 현실적이었다. AI가 실제 업무와 산업 프로세스에 들어갔는가, 아니면 아직 데모에 머물러 있는가.