텐센트 Robotics X 연구소가 WAIC 2026에서 체화 기초모델 3종을 오픈소스로 공개했다. Hy-Embodied-VLM-1.0, Hy-Embodied-RxBrain-1.0, Hy-Embodied-VLA-0.5가 그것이다. 수석 과학자 장정유(Zhang Zhengyou) 박사는 이 아키텍처를 "물리 세계는 여러 시간 척도에 걸쳐 작동하기 때문에 로봇 지능의 각 유형도 서로 다른 주파수에서 동작해야 한다"는 문제의식에서 출발했다고 설명했다.
개발 배경에는 실패 경험이 있다. OpenClaw에 로봇 기능을 이식하는 실험에서 수십 초의 지연이 발생했고, 물리 로봇에서 2~3초의 인지 지연조차 허용 불가하다는 결론을 얻었다. 이 경험이 3계층 주파수 분리 구조의 출발점이 됐다.
▼ 텐센트 체화 기초모델 3종 아키텍처 비교
| 모델 | 역할 | 동작 주파수 | 핵심 특징 |
|---|---|---|---|
| Hy-Embodied-VLM-1.0 | 공간·장면 이해 | 저주파 | 시각 장면·객체 관계 해석 |
| Hy-Embodied-RxBrain-1.0 | 인지 계획 | 중간 | 서브태스크 완료 후 시각 상태 상상 |
| Hy-Embodied-VLA-0.5 | 연속 동작 생성 | 500~1000Hz | 고수준 목표→저수준 모터 명령 변환 |
세 모델의 역할은 명확히 분리된다. VLM은 저주파로 시각 장면과 객체 관계를 해석한다. RxBrain은 언어로 작업 단계를 생성하는 데 그치지 않고, 각 서브태스크 완료 후 물리 세계가 어떤 모습이어야 하는지를 시각 상태로 상상한다. 텍스트만으로는 공간 관계와 물리적 제약을 효율적으로 인코딩하기 어렵다는 한계를 시각 표현으로 극복한 것이다. VLA는 가장 높은 주파수에서 작동하며, 고수준 목표를 500~1000Hz의 연속 저수준 모터 명령으로 변환해 실시간 물리 상호작용을 가능하게 한다.
RxBrain은 과거 Tairos 시스템이 텍스트로 뇌 간 통신을 했던 방식에서 한 단계 진화했다. 객체의 공간 관계를 언어로 묘사하면 장황하고 모호해지는 문제를 시각 상태 상상으로 해결, 지각과 행동 사이의 정보 전달 대역폭을 높였다. 텐센트는 이 모델을 완전한 세계 모델이 아닌 '체화 세계 인지 모델'로 정의했다. 아직 통합된 세계 모델 아키텍처가 업계에서 확립되지 않았다는 판단에서다.
VLA는 이미 실제 생산 환경에서 검증 중이다. 텐센트는 Hy-Embodied-VLA-0.5가 일용화학 공장의 고혼합·소량·SKU 집약적 조립 라인에 투입돼 생산 테스트를 진행 중이라고 밝혔다. 단품 사이클 타임은 6초 미만이다. 새로운 SKU 적응에는 8시간의 데이터 수집과 파인튜닝만 필요하다. 실험실과 달리 객체 위치가 무작위이고 조명이 변하며 생산 중단이 발생하는 환경에서 거의 제로에 가까운 실패율을 목표로 한다. 장 박사는 "실제 배포 없이 80~90점을 받는 데모는 사실상 가치가 없다"고 강조했다.
세 모델과 Tairos 오픈소스 플랫폼은 텐센트의 완전한 체화 지능 스택을 구성한다. 개발자와 제조사 누구나 채택할 수 있도록 공개됐다.
국내 로봇 기업이 이 스택을 자사 제어 시스템에 통합하려면 몇 가지 기술 격차를 먼저 확인해야 한다. VLA가 요구하는 500~1000Hz 실시간 제어는 기존 산업용 제어기(PLC·EtherCAT 기반)와의 타이밍 동기화 문제를 수반한다. RxBrain의 시각 상태 상상 기능은 고해상도 카메라와 GPU 추론 파이프라인이 갖춰져야 실효성이 있다. 오픈소스 공개 범위와 라이선스 조건도 상용 제품 통합 전 확인이 필요하다.
