중국 임바디드 AI 기업 Anyverse Dynamics가 로봇 조작용 기반 모델 MWA-Phoenix를 오픈소스로 공개했다. 파라미터는 70억 개(7B)이고, 로봇 본체에서 직접 돌리는 온디바이스 구동을 염두에 두고 설계했다. 코드는 GitHub에, 기술 보고서는 함께 게시됐다.
공개된 것과 모델의 용도
- 공개 범위: 사전학습 모델, GitHub 코드, 기술 보고서
- 용도: 로봇 조작(manipulation)용 기반 모델. 잠재 공간에서 작동하는 월드 액션 모델이다.
- 입력: RGB 카메라 영상만 쓴다. 정답 깊이(ground-truth depth) 정보는 쓰지 않는다.
벤치마크 성적
회사 발표에 따르면 강조점이 다른 6개 평가에서 1위 또는 최상위권에 올랐다. 아래 표는 그중 소스에 수치가 나온 5개다.
▼ 주요 벤치마크 결과 (출처: Anyverse Dynamics 발표)
| 벤치마크 | 점수 (%) | 평가 초점 |
|---|---|---|
| LIBERO-Plus | 94.63 | 카메라 각도·조명·센서 노이즈 교란 |
| LIBERO-Pro | 66.48 | 물체·위치·목표 변경 |
| RoboCasa GR1 Tabletop | 82.67 | 기존 WALA 모델 대비 7.5점 상승 |
| RoboTwin 2.0 | 72.42 | 양팔 로봇 |
| Bench2Dex | 45.6 | 로봇팔·정교한 손 12가지 조합 |
실제 로봇 평가인 RoboDojo 리더보드(로봇 3종, 과제 18개) 결과도 함께 제시했다.
눈에 띄는 수치는 Bench2Dex다. 평균 45.6%로, 회사는 가장 강한 비교 모델인 pi0.5보다 17.3점 높다고 밝혔다. 다만 절대 점수가 절반에 못 미친다. 서로 다른 로봇 본체 사이에서 기술을 옮기는 문제는 아직 풀리지 않았다는 뜻이다. 모든 수치는 회사 자체 결과이며, 테스트 데이터를 학습에 복제하지 않았다고 회사는 밝혔다.
구조
- 시각 백본: DINOv3
- 지식 증류: 기하 정보는 VGGT, 시간 변화는 V-JEPA에서 가져온다.
- 압축: 인과적 시맨틱 VAE가 미래 프레임을 읽지 않고 특징을 압축한다.
- 예측: 비디오 전문가와 행동 전문가를 조인트 어텐션으로 묶어, 장면 변화와 로봇 행동을 동시에 예측한다.
- 실시간 제어: 비동기 실행으로 로봇이 움직이는 동안 다음 행동 묶음을 미리 준비한다.
함께 나온 두 모델
- Phoenix-ILA: 동작과 접촉 정보를 행동 학습에 넣어 정밀 조작을 겨냥한다.
- Phoenix-PhysCanvas: 상호작용형 시뮬레이션 월드 모델. 배포 전 클라우드에서 정책을 계속 개선할 수 있다.
사전학습 데이터는 실제 로봇 조작, 1인칭 사람 영상, 손에 쥐고 찍는 UMI 수집 데이터다. 회사는 20만 시간 넘는 멀티모달 데이터를 보유했고 더 큰 모델을 학습 중이라고 밝혔다.
국내 개발자에게 의미
7B 규모의 조작용 기반 모델 코드가 공개되고 온디바이스를 염두에 둔 설계라면, 클라우드 연결 없이 로봇 본체에서 추론하는 방식을 검토하는 국내 팀이 비교해 볼 선택지가 늘어난다. 다만 라이선스 조건과 실제 하드웨어 요구 사양은 소스에 나와 있지 않아 확인이 필요하다.
