GreenWAM: 로보틱스를 위한 월드 파운데이션 모델

문제

로봇에는 행동이 장면을 어떻게 바꿀지 예측하는 월드 모델과 행동을 고르는 정책이 모두 필요하다. 그런데 모델은 보통 둘 중 한 역할로만 만들어지고 평가된다. 로봇마다 행동 기록 형식이 달라 여러 로봇 형태를 함께 학습하기도 어렵다.

방법

초록 기준으로 정리하면 레시피는 세 가지다. (1) 양팔 로봇부터 정교한 손을 가진 휴머노이드까지 로봇 20종을 공통 관절 좌표로 표현하는 해부학적 공유 행동 공간을 만든다. (2) 시각 예측, 행동 조건부 예측, 월드-행동 모드로 함께 학습한다. (3) 생성기에서 행동 전문가(action expert)를 분리해 정책을 만든다. 실시간 제어를 위해 1-step 정책으로 Distill하기도 했다.

결과

• 저자들은 WorldArena 1.0에서 궤적·깊이·3D 정확도가 비교한 모든 월드-행동 모델과 영상 생성 모델보다 앞섰다고 보고했다
• 정책으로서 RoboTwin 2.0 리더보드 상위권, LIBERO-plus 제로샷 성공률은 비교 방법 중 최고, CALVIN과 LIBERO에서는 전용 VLA 및 월드-행동 정책과 비슷한 성능이라고 보고했다
• 실제 휴머노이드에서 π0.5와 Cosmos 3 Edge를 적응시킨 정책보다 성공률이 높았다고 보고했다
• 통제 실험 결과로 세 가지를 제시했다. 로봇 특화 학습이 예측과 제어를 함께 개선한다. 행동 전문가는 적응 초기에 분리할 때 효과가 있다. 정책 적응 중에도 월드 모델 모드를 유지하면 장면 변화에 대한 강건성이 보존된다.

한계

초록 기준 분석이다. 본문을 보지 못해 구체적인 수치, 데이터 규모, 실제 로봇 실험 횟수와 조건은 확인하지 못했다. 실제 로봇 실험은 휴머노이드 한 종으로 보고됐다.

의미

서로 다른 로봇 형태를 하나의 행동 공간으로 묶고, 한 모델이 예측과 제어를 모두 맡을 수 있다는 근거를 제시했다. 로봇 파운데이션 모델의 데이터 통합과 학습 설계 방향에 참고가 된다.

핵심 용어

월드 모델

현재 장면과 행동을 입력받아 다음 장면이 어떻게 바뀔지 예측하는 모델이다.

WAM(World-Action Model)

미래 장면 예측과 행동 생성을 한 모델에서 함께 다루는 구조다.

공유 행동 공간(Shared action space)

로봇마다 다른 행동 기록 형식을 공통 관절 좌표로 맞춰, 여러 로봇의 데이터를 한 모델로 학습할 수 있게 하는 표현 방식이다.

원문

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

저자: Gennady Sidorov, Valerii Kornilov, Denis Grankin, Polina Fedotova, Aleksey Postnikov · 게시 2026-10-13 · 라이선스 CC BY 4.0 · 초록 기준 분석

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