GigaBrain-0.7, 3시스템 구조로 구현 지능의 일반화 확장

구현 지능 분야에서는 이미지와 언어를 로봇 행동으로 변환하는 VLA 모델이 주요 접근법으로 자리 잡았습니다. 그러나 긴 작업 흐름, 낯선 환경, 서로 다른 로봇 본체를 다루려면 단순한 입력-행동 매핑만으로는 한계가 있을 수 있습니다. GigaBrain-0.7은 3시스템 아키텍처와 대규모 이기종 데이터 학습을 통해 이 문제를 다룹니다.

이해·예측·행동의 결합

이 모델의 핵심은 시각·언어 이해, 환경 예측, 행동 생성을 하나의 구현 기반 모델 안에서 연결하는 것입니다. 공개된 하이라이트에 따르면 세 번째 시스템은 세계 모델이며, 로봇의 실시간 의사결정 루프에 통합됩니다. 로봇이 가능한 행동을 바로 실행하는 대신, 각 행동이 초래할 결과를 먼저 시뮬레이션하고 평가한 뒤 선택하는 흐름을 지향합니다.

이 구조가 안정적으로 작동한다면 긴 작업 순서나 예상과 다른 물체 상태에 대응하는 데 도움이 될 수 있습니다. 다만 제공된 자료에는 시스템 간 인터페이스, 세계 모델의 규모, 추론 지연에 대한 구체적인 설명이 없습니다. 따라서 현재는 완성된 범용 계획 방식이라기보다 검증이 필요한 아키텍처 제안으로 보는 것이 적절합니다.

3만7,000시간 이상의 데이터와 단일 단계 정렬

GigaBrain-0.7은 3만7,000시간이 넘는 이기종 구현 데이터를 사용해 사전 학습됩니다. 서로 다른 센서, 환경, 행동 공간, 로봇 구조를 포함한 데이터는 특정 플랫폼에 대한 의존을 낮추고, 여러 로봇에 공통으로 적용할 수 있는 표현을 학습하는 데 기여할 수 있습니다. 데이터 규모만으로 일반화가 보장되지는 않지만, 다중 본체 학습을 위한 기반을 넓힌다는 의미는 있습니다.

훈련 방식에서는 시각·언어 이해와 다중 본체 행동 생성을 동시에 최적화하는 단일 단계 정렬을 도입했습니다. 여기에 듀얼 피라미드 구조를 결합해 “하나의 모델, 여러 작업”이라는 기반 모델의 목표를 추구합니다. 로봇이나 작업마다 완전히 별도의 정책을 구축하는 부담을 줄이려는 접근입니다.

평가 결과와 확인해야 할 부분

소재에 따르면 GigaBrain-0.7은 기존 GigaBrain-0 계열과 π₀.₅에 비해 기반 제로샷 능력, 언어 조건부 지시 수행, 후속 학습 이후의 작업 성공률에서 개선을 보였습니다. 평가에는 자체 제작한 Maker H01, 주요 로봇 본체, 가정 및 산업 환경이 포함됐습니다. 또한 RoboColiseum의 네 가지 평가에서 모두 1위를 기록했고, 10개가 넘는 작업을 20분 이상 연속으로 수행하는 시연도 진행했다고 설명합니다.

하지만 현재 제공된 내용에는 구체적인 점수, 각 비교 조건, 실패 사례, 장시간 시연의 세부 설정이 없습니다. 따라서 순위와 시연만으로 모든 환경에서의 우위를 단정하기는 어렵습니다. 학습 코드와 사전 학습 가중치가 공개되면 재현 비용과 실제 성능을 더 객관적으로 확인할 수 있을 것입니다.

GigaBrain-0.7의 중요한 지점은 세계 예측을 행동 루프 내부에 배치했다는 점입니다. 서로 다른 로봇에 안정적으로 이전된다면 구현 기반 모델은 시연된 동작을 재현하는 수준을 넘어, 목표와 예상 결과를 고려해 행동을 선택하는 방향으로 발전할 수 있습니다. 반면 미지의 하드웨어 대응력, 개방 환경에서의 예측 신뢰성, 3시스템 구조의 계산 비용은 앞으로 검증해야 할 핵심 과제입니다.

출처: Hugging Face Daily Papers