시연 한 번을 모으는 데 걸린 시간은 29초였다. 실제 로봇을 움직여 같은 작업을 기록하면 100초 안팎이 든다. Amap이 공개한 휴머노이드 모델 Lambda-0는 이 차이에서 출발한다.
로봇 없이 모은 사람의 데이터
중국 알리바바그룹의 지도·위치 사업부 Amap은 알리바바 ATH 사업그룹과 함께 연구했고, 코드는 Apache 2.0 라이선스로 GitHub에 올렸다. arXiv 논문도 함께 나왔다.
핵심은 데이터를 어떻게 모으느냐다. 팀은 이를 로봇 없는 전신 데이터 수집이라고 부른다. 수집자가 일반 소비자용 기기를 착용하고 일상 공간을 돌아다니며 기록한다. 로봇을 원격 조종해 데이터를 쌓는 방식은 비용이 크고 규모를 키우기 어렵다. 팀은 그 대안으로 이 방식을 택했다. 대표 작업 기준으로 수집 효율은 약 3.4배 높았다고 밝혔다.
이 방식으로 만든 데이터셋이 HumanVerse-500이다. 열린 환경에서 모은 사람의 전신 데이터 500시간 분량으로, 시야와 몸의 움직임, 손동작을 맞춰 놓았다.
손과 팔을 넘어 전신으로
팀이 짚는 문제는 기존 1인칭 시각-언어-행동 모델이다. 이 모델들은 대체로 손과 팔에 집중한다. 그러면 긴 작업을 열린 환경에서 수행할 때 필요한 관절, 몸통, 자세 정보를 놓친다는 것이다.
Lambda-0는 학습을 세 단계로 나눈다. 손 상호작용, 전신 협응, 그리고 마지막으로 휴머노이드 몸체 적응이다. 사람과 로봇의 몸이 다르고 말단 장치에 오차가 생기는 문제는 시점 정합과 단계적 행동 정렬로 다룬다. 전신 협응은 유지하면서 접촉 정밀도를 높이는 방식이라고 팀은 설명한다.
논문이 내놓은 수치
논문에 따르면 Lambda-0는 SIMPLE 시뮬레이션 벤치마크에서 약 90%로 최고 수준 성과를 냈다고 보고했다. 실제 로봇 시험에서도 최고 수준이라고 밝혔다. 전신 이동과 장기 이동 조작 과제 7개에서, 사람 데이터만으로 학습하고도 Unitree G1에 추가 학습 없이 옮겨 갔다. 실제 로봇 성공률은 62.5%로, 가장 강한 비교 모델보다 22.5%p 높았다.
로봇 시연 데이터를 고정한 채 사람 전신 데이터만 늘려도 실제 로봇 성능이 계속 올랐다. 팀은 이를 사람 데이터로 휴머노이드 학습의 규모를 키울 수 있다는 근거로 제시한다.
최초라는 표현과 남은 확인
Amap은 Lambda-0를 열린 세계의 사람 행동에 기반한 첫 휴머노이드 전신 파운데이션 모델이라고 소개한다. 이 표현은 회사 측 주장이다. 자료로 확인되는 것은 논문과 코드, 데이터셋 규모까지다. 위 수치도 팀 논문에서 나온 것이며 아직 독립적으로 재현되지 않았다.
Amap에게 이번 공개는 3D 도시를 다룬 최근 월드 모델 작업에 이은 구현체(embodied) 쪽 갈래를 더한 것이다. 국내 로봇·AI 연구자라면 눈여겨볼 대목은 모델 구조보다 데이터다. 휴머노이드에게 어떤 행동 데이터를 먹일지, 그 데이터를 로봇 없이 얼마나 싸게 모을 수 있을지를 보여주는 공개 사례다.
