편의점 로봇의 성공률이 첫날 28.6%에서 닷새 뒤 85.7%로 올랐다. 사람의 시연도, 사람의 튜닝도 없었다는 게 회사 설명이다.
중국 로봇 기업 AgiBot이 10월 29일 공개한 체화형 AI 모델 GO-3 Preview의 실험 결과다. 이 모델의 요점은 개별 수치보다 학습을 세 단계로 이어 붙인 구상에 있다. 사전 학습, 후속 학습, 배포 후 학습이다. 아래 내용은 별도 표기가 없으면 모두 AgiBot의 발표다.
세 단계로 이어 붙인 학습
바탕은 WRAM(World Reasoning Action Model) 구조다. 작업을 추론하고, 다음에 벌어질 일을 예측하고, 실제로 수행 가능한 동작을 만들어내는 과정을 하나로 묶었다. 지시를 이해한 로봇이 결과를 미리 내다보고 움직인다는 설명이다.
사전 학습. 데이터는 두 갈래다. 1인칭 사람 영상은 물건을 다루고 작업이 펼쳐지는 장면을 풍부하게 제공한다. 로봇 궤적은 관측과 동작을 물리적 결과에 묶어 준다. 여기에 모델의 학습 용량을 키워 흩어진 경험을 새 작업에 옮겨 쓸 수 있는 기술로 바꾼다는 것이다. 회사는 사전 학습만 마친 로봇이 추가 미세조정 없이 가정, 주방, 다중 로봇, 정교한 조작 환경의 낯선 작업을 해냈다고 밝혔다. 시연 몇 번이면 중국식 전병 젠빙 만들기 같은 길고 섬세한 작업도 익힌다. 미세조정을 거치고 에이전트가 단계를 조율하면 레고 조립도 한다.
후속 학습. 이를 위해 분산 학습 시스템 Genie Evolver를 만들었다. 실제 로봇 약 100대에 물리 시뮬레이션과 월드 모델을 결합한 구조다. 탁상 컬링에서 로봇은 온라인 연습 4시간 만에 테스트 참가자 평균을 넘어섰다. 블록 타워 게임에서는 타워를 무너뜨리지 않고 블록 5개를 연달아 뽑았다.
배포 후 학습. Genie Master 에이전트 프레임워크가 판단, 실행, 피드백을 연결해 현장에서 계속 성능을 올린다. 실제 편의점에 투입된 AgiBot G2는 스스로 실패 원인을 찾아 접근법을 고치고 배운 내용을 저장했다. 전체 작업 흐름의 성공률이 첫날 28.6%에서 닷새 뒤 85.7%로 안정됐다. 작은 고리를 거는 작업에서는 이 방식이 기존 지도 미세조정보다 단일 작업 성공률을 17.7%p 높였다고 한다.
리더보드 1위, 어디까지 읽어야 하나
회사는 GO-3가 최근 RoboDojo, RoboTwin, RoboColiseum 세 리더보드에서 1위에 올랐다고 밝혔다. 이 가운데 RoboDojo는 Pandaily가 따로 다뤘다. 다만 그 기사가 다룬 것은 이름이 다른 GO-3 Nano Preview다.
공개 벤치마크인 RoboDojo는 시뮬레이션 42개와 실제 환경 18개 과제로 구성된다. 시뮬레이션 리더보드에서 GO-3 Nano Preview는 평균 점수 61.90, 평균 성공률 56.42%를 기록했다. 2위인 북경대 PKU DAGroup의 PyRUA-Lean(55.26점, 50.35%)과는 6.64점 차다.
세부로 들어가면 그림이 달라진다. RoboDojo는 점수를 여섯 개 차원으로 나눈다. GO-3 Nano Preview는 정밀 조작(78.65), 장기 과제 수행(68.21), 개방형 의미 과제(61.71)에서 1위다. 하지만 기억에서는 64.50으로 HexaShell-Preview(84.53)와 EmbodiedEvo(79.40)에 밀린다. 일반화 표준 항목은 45.93으로 RobotEra의 VPP2(52.14)보다 낮고, 무작위 일반화는 26.97에 그친다. 일부 중국 매체가 차원별 점수를 전부 1위처럼 전했지만, 리더보드 기록이 더 엄격한 기준이라고 Pandaily는 짚었다.
경쟁 환경도 빠르게 변한다. 같은 주에 칭화대 교수가 이끄는 팀의 RoboDoctor가 54개 과제 시뮬레이션 종합에서 57.10을 보고했다. 또 AgiBot은 GO-3 Nano Preview의 기술 보고서를 내지 않았고, 해당 항목은 프리뷰로 표시돼 있다. 수치는 완성된 제품이 아니라 진행 중인 작업을 보여 준다.
공개 약속과 실제 공개 범위
AgiBot은 2026년 말까지 모델 전체를 오픈소스로 공개할 계획이라고 밝혔다. 현재 확인되는 것은 계획뿐이다. 무엇을 어느 라이선스로 내놓을지, 학습 데이터와 Genie Evolver, Genie Master까지 포함하는지는 소스에 나와 있지 않다. 지금 외부에서 검증할 수 있는 자료는 공개 리더보드 기록 정도다.
한국의 로봇·AI 개발자에게는 비교 지점이 분명하다. 사람 영상과 로봇 궤적을 함께 쓰는 사전 학습, 실물 로봇과 시뮬레이션을 섞은 후속 학습, 현장 자가 개선 구조를 자기 모델 설계와 나란히 놓아 볼 수 있다. 다만 상세 구현이 풀리기 전까지는 발표 수준의 구상이다.
Pandaily는 AgiBot이 하드웨어만이 아니라 모델 라인으로도 다른 팀과 같은 판에서 평가받기 시작했다고 짚었다.
