GPT-6-Astra는 Embodied Intelligence에 도달했는가?

문제

범용 모델인 GPT-6-Astra가 VLA처럼 과제별로 특화된 모델이 주도하던 로봇 조작·내비게이션 과제를 풀기 시작했다. 이 모델이 실제로 어디까지 할 수 있는지, 그리고 이것이 연구 방향에 어떤 의미가 있는지 체계적으로 정리할 필요가 있다.

방법

네 축으로 분석했다. (1) 탁상 조작, 휴머노이드, 모바일, 덱스터러스 핸드, 내비게이션을 아우르는 12개 벤치마크에서 통일된 프로토콜로 평가했다. 이 프로토콜은 학습셋 시연으로 만든 고정 '지식 패키지'를 활용하는 In-context Learning(ICL)을 허용하고, 실행 스텝을 최대 10배까지 늘린다. (2) 고수준 'System 2' 추론기(GPT-6-Astra)와 저수준 'System 1' 제어기(π0.5)를 결합하는 Harness 설계, 행동 표현, Action Chunking을 비교했다. (3) 실제 로봇 8종에서 검증했다. (4) 실제 수요에서 과제를 뽑고, 도메인 시연을 주지 않으며, 모델이 추론하는 동안에도 시간이 흐르는 차세대 벤치마크 프로토타입을 제안했다.

결과

• 저자들은 ICL과 확장 예산(10배) 조건에서 RoboDojo 81.9%, DexJoCo 87.3%를 기록했고, LIBERO 계열과 SIMPLE에서는 95%를 넘어 포화에 가깝다고 보고했다.
• SIMPLE의 공통 과제 4개에서 과제 단위 ICL을 쓰면 표준 예산 기준 성공률이 70.8%(zero-shot)에서 90.8%로 올랐다.
• 실행 예산을 10배로 늘리면 RoboDojo 성공률이 약 3배, Bench2Dex는 2배 이상 올랐다. 반면 장기 내비게이션인 LHPR-VLN에서는 소폭 오르는 데 그쳤다.
• VLA가 제안한 행동을 GPT-6-Astra가 검토하는 closed-loop 협업은 성능을 크게 높였지만 토큰 비용도 컸다. 관절각 직접 제어보다 엔드이펙터 명령이 더 나았다.

한계

핵심 수치는 공식 프로토콜과 다른 조건(학습셋 시연 기반 ICL, 최대 10배 실행 스텝)에서 나왔으므로 기존 SOTA와 바로 비교하기 어렵다. 저자들도 ICL이 시연 범위를 벗어나면 잘 전이되지 않고, 추론 비용과 실행 시간이 상용 배포에 비현실적이며, 물리적 성공 검증, 되돌릴 수 없는 실패로부터의 복구, 장기 진행 추적이 약하다고 밝혔다. 실제 로봇 환경에서는 시연 수집 비용과 안전 제약 때문에 스텝을 늘려 성공률을 높이는 방식이 통하지 않는다.

의미

범용 Frontier 모델이 로봇 벤치마크를 상당 부분 포화시키는 상황에서, 벤치마크 점수와 실제 배포 역량 사이의 간극을 짚었다. 비용, 시간 제약, 시연 없는 평가처럼 앞으로 평가가 측정해야 할 방향을 제시한다는 점에서 의미가 있다.

핵심 용어

ICL(In-context Learning)

모델 가중치를 바꾸지 않고, 입력 맥락에 넣은 예시나 자료를 참고해 과제를 푸는 방식이다. 이 논문에서는 학습 시연을 분석해 만든 지식 패키지를 테스트 때 참조한다.

System 1 / System 2

빠른 저수준 제어기(System 1, 예: π0.5)와 느리지만 깊이 추론하는 고수준 모델(System 2)을 나눠 협업시키는 구조다.

Action Chunking

행동을 한 스텝씩이 아니라 여러 스텝 묶음으로 출력하는 방식이다. 묶음 길이를 상황에 맞게 조절하면 모델 호출 수를 줄일 수 있다.

원문

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

저자: SenseNova, Joint Research Team, :, Zhongang Cai, Ziang Cao, Tailai Chen, Han Chong Chua, Linjun Dai, 외 · 게시 2026-10-15 · 라이선스 arXiv 비독점 배포 라이선스 · 본문 기준 분석

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