EmbodiedCLBench: 자기 진화형 체화 에이전트의 지속 학습 평가

문제

지속 학습(continual learning) 연구와 벤치마크는 주로 디지털·기호 환경에 머물러 있다. 물리적 제약과 공간 복잡성이 있는 체화(embodied) 환경에서 에이전트가 경험을 쌓아 새 과제로 전이하는지 평가하는 전용 벤치마크가 없었다.

방법

합성 일반화(compositional generalization)를 평가 원리로 삼았다. TongSim 가정 시뮬레이션을 바탕으로 원자 행동 → 기본 과제(원자 행동 2개, 최단 6단계) → 고급 과제(여러 기본 과제 범주를 조합, 원자 행동 4개, 최단 12단계)의 3단계 과제를 만들었다. 재현성을 위해 각 과제를 1인칭 이미지와 행동 후보가 딸린 오프라인 상태 전이 그래프로 구축했다. 행동 후보는 최적·차선·실행 불가로 나뉜다. 에이전트는 학습 단계에서 관련 기본 과제 2개를 수행한 뒤 고급 과제를 푼다. 평가 설정은 Zero-shot, In-Context Learning(Trajectory를 그대로 컨텍스트에 유지), Skill Learning(경험 요약만 제공) 세 가지다.

결과

• 벤치마크는 기본 과제 168개, 고급 과제 100개 등 총 268개 과제로 구성된다.
• 4개 하네스(OpenClaw, Claude Code, Codex, Hermes)와 2개 모델 조합에서 Zero-shot 성공률은 기본 과제 약 50%, 고급 과제 약 10%였다.
• 경험을 주면 고급 과제 성공률이 대체로 30% 이상으로 올랐다. 예를 들어 Codex+GPT5.6-Terra는 Zero-shot 11.0%에서 ICL 52.0%가 됐다.
• ICL과 Skill Learning 중 어느 쪽도 일관되게 우세하지 않았다. 원자 행동 수를 3~6개로 늘려도 Zero-shot 대비 향상 폭은 비슷하게 유지됐다.
• 기본 과제 1개만으로도 성능이 크게 올랐지만, 학습 표본을 더 늘려도 일관된 추가 향상은 없었다.

한계

연속 제어가 아니라 미리 계산된 상태 그래프에서 행동 후보를 고르는 오프라인 객관식 형태로 평가한다. 시뮬레이터가 폐쇄형 TongSim이고 가정 실내 장면만 다룬다. 과제 설명과 행동 후보는 LLM이 생성한 뒤 사람이 검증했다. 지표는 성공률 하나다.

의미

체화 에이전트가 경험에서 배워 더 어려운 과제로 전이할 수 있는지를 처음으로 체계적으로 측정했다. 현재 에이전트가 경험이 늘어나도 추가 정보를 뽑아내지 못한다는 한계를 드러내, 자기 진화형 에이전트 설계의 과제를 보여 준다.

핵심 용어

지속 학습(Continual Learning)

모델이 과거 경험을 계속 축적하고, 그것을 새로운 과제 해결에 활용하는 능력이다.

합성 일반화(Compositional Generalization)

따로 배운 기본 요소를 새로운 방식으로 조합해 처음 보는 복잡한 문제를 푸는 능력이다.

에이전트 하네스(Harness)

OpenClaw, Claude Code, Codex처럼 모델을 감싸 도구 호출·메모리·실행 루프를 제공하는 에이전트 실행 프레임워크다.

원문

• arXiv 초록
• PDF
• HTML 본문
• 코드
• 프로젝트
• Hugging Face

저자: Jie Huang, Yanan Chen, Ruixun Liu, Kaichen He, Xinyi He, Rui Huang, Zilong Zheng, Zhenliang Zhang, 외 · 게시 2026-10-09 · 라이선스 CC BY 4.0 · 본문 기준 분석

이 리뷰는 AI가 논문을 읽고 작성한 요약이며, 정확한 내용은 원문을 기준으로 확인해 주세요.