10월 20일, 난징에서 제1회 피지컬 AI·월드 모델 콘퍼런스가 열렸다. 개막 기조연설 무대에 오른 사람은 중국 임바디드 AI 기업 Qianjue의 창업자 가오하이촨(Gao Haichuan)이다. 그가 꺼낸 것은 로봇용 예측형 월드 모델 Polibrain이다.
영상 대신 상태를 예측한다
Polibrain은 미래의 모든 영상 프레임을 그려내려 하지 않는다. 환경 상태, 과거 이력, 행동 결과 사이의 관계를 학습하고, 과제와 관련된 상태가 어떻게 바뀔지를 잠재 표현 공간에서 예측한다.
Qianjue가 드는 예는 쓰레기를 줍는 로봇이다. 바닥이 무슨 색인지는 중요하지 않다. 물체가 어디 있는지, 로봇팔과 물체가 어떤 관계인지, 잡았을 때 물체 상태가 어떻게 달라지는지가 핵심이다.
이 모델은 인식, 상태 이해, 행동 예측, 의사결정, 실행, 피드백을 하나의 폐루프로 묶는다. 예를 들어 파지에 실패해 결과가 예측과 어긋나면 새 상태에서 과제를 다시 평가하고 다음 동작을 고친다. 회사는 핵심 특징 디코딩으로 기대 상태와 실제 상태의 차이를 추적해 고장 위치를 찾고 복구에 쓸 수 있다고 설명한다.
몸체가 달라도 같은 뇌
설계의 중심은 범용성이다. Qianjue는 스스로를 하드웨어 제조사가 아니라 로봇 두뇌 공급자로 규정한다. 느슨하게 결합한 구조로, 환경과 과제에 대한 공통 표현을 각 기기의 고유한 제어와 분리한다. 그래서 로봇이 서로 달라도, 심지어 연결된 가전이라도 같은 의도된 변화를 각자의 방식으로 수행할 수 있다는 것이다. 회사는 이 구조가 서로 다른 로봇 형태의 데이터를 하나의 모델에 먹이는 길도 열어주길 기대한다.
적용 대상은 사족보행, 휴머노이드, 바퀴형, 단팔, 쌍팔 로봇이다. 동반 서비스, 식음 서비스, 정리, 정밀 조작 같은 과제에 맞춰 적응시키는 중이라고 한다.
설계와 검증 사이
공개된 시연은 회사가 제공한 영상 하나다. 로봇팔과 수거 바구니를 단 사족보행 로봇이 야외에서 쓰레기를 찾아 다가가고, 팔 동작을 계획해 바구니에 담는다. 여러 몸체에서 돌아간다는 설계 목표와, 영상으로 보여준 사례는 다르다. 회사도 복잡한 장면에서의 신뢰성은 더 충분한 실환경 테스트가 필요하다고 인정했다.
연구 기반은 있다. Qianjue는 칭화대 연구진과 ICML 2025에 신경망이 월드 모델을 언제 학습하는지를 다룬 논문을 냈다. 모델 복잡도를 재는 Effective Degree 지표, 과거 관측 중 무엇을 남길지 정하는 반사실적 방법도 후속 연구로 내놨다.
한국 로봇 업계가 받는 질문
특정 기종에 묶이지 않는 두뇌라는 접근은 국내 업계에도 같은 질문을 던진다. 로봇 몸체마다 따로 모델을 만들 것인가, 몸체와 분리된 공통 표현을 둘 것인가. 이 질문에 답하려면 서로 다른 형태의 데이터를 한 모델에 합치는 방법이 먼저 풀려야 한다. Polibrain은 그 방법을 구조로 제안했다. 아직 실환경 검증이 남아 있다.
