중국 칭화대가 후원하는 로봇 기업 Robotera가 자사 월드 액션 모델 VPP2가 시뮬레이션 벤치마크 RoboDojo 1위에 올랐다고 밝혔다. 아래 수치는 모두 회사 발표와 논문 기준이다.
시뮬레이션: RoboDojo 순위
RoboDojo는 홍콩대 MMLab이 20개에 가까운 학술기관과 함께 이끄는 벤치마크다. 양팔 로봇 과제 42개로 일반화, 정밀 조작, 장기 과제, 기억, 개방형 어휘 지시를 평가한다.
VPP2의 평균 성공률은 32.26%, 평균 점수는 39.26이다. 일반화·정밀·기억 항목에서도 1위다. 논문이 인용한 가장 강한 비교 모델은 후학습 평가의 GPT-6-Astra로, 22.48%와 28.97점이다.
Robotera는 추가 학습 데이터나 에이전트 기반 재귀적 자기 개선 같은 부가 요소 없이 표준 데이터셋만 썼다고 밝혔다. 지난달 Simate도 자사 Simate-beta 시스템이 RoboDojo 1위라고 따로 주장했다.
실제 로봇: ALOHA 제로샷 58.5%
실제 ALOHA 양팔 로봇에서는 10개 과제 유형을 제로샷으로 수행했다. 집기, 놓기, 쌓기, 접기, 붓기 등이다. 평균 성공률은 58.5%로, Physical Intelligence의 pi0.5(40%)보다 높았다. 10개 중 9개에서 가장 좋은 결과를 냈다.
그 밖의 수치는 LIBERO-Pro 45.0%, LIBERO-OOD 63.9%다. 거대 시각언어 모델을 상위 계획기로 붙이면 RoboDojo 장기 과제 일부가 27.6%에서 57.6%로 올랐다.
구조: 3단계 학습
월드 액션 모델은 영상 예측이 틀리면 행동도 따라 틀린다. VPP2는 이 약점을 겨냥해 학습을 세 단계로 나눴다.
- 사건 단위 영상 사전학습: Alibaba의 오픈소스 Wan2.1-I2V-14B 기반. 로봇·인간·일반 영상의 세밀한 캡션 클립으로 조작 전 과정을 예측하게 한다.
- 증류: 예측을 8초 고정 클립으로 줄이고 한 단계로 증류했다. 약 0.12초가 걸린다.
- 행동 학습: 9억 파라미터 Action DiT가 예측을 동작으로 바꾼다. 영상 모델은 고정하고 LoRA로만 적응시킨다.
행동 묶음 하나의 전체 지연은 약 0.22초다. 코드는 GitHub에 공개됐다.
Robotera는 중국우정, SF Express 등과 함께 5개 성·시 10곳 넘는 물류센터에서 로봇을 운용한다. 다만 VPP2가 대규모로 투입됐다는 뜻은 아니다.
