숫자가 먼저 눈에 들어온다. 1B. 파라미터 수로 따지면 요즘 대형 모델들의 수십 분의 일 수준이다. 그런데 이 모델이 Embodied AI 리더보드 상위권에 올랐다. Physical Intelligence의 Pi-Zero를 제치고.
Youibot이 공개한 FabriVLA는 1B 파라미터로 Evo-SOTA Meta-World MT50에서 티어 평균 90.0%를 기록했다. MT50은 50가지 조작 태스크를 동시에 숙달해야 하는 벤치마크다. 단순 반복 작업이 아니라 산업 현장이 실제로 요구하는 멀티태스크 능력을 측정한다. 이 점수가 의미 있는 이유가 여기 있다.
핵심은 아키텍처 설계다. FabriVLA는 두 가지 혁신을 담았다. 첫째는 딥-쉘로우 시각 특징 융합이다. 고수준 시각으로 태스크의 의미적 목표를 파악하면서, 동시에 저수준 시각 세부 정보로 정밀한 공간 위치를 잡아낸다. 둘째는 게이티드 셀프어텐션 메커니즘이다. 행동 시퀀스의 각 단계가 앞뒤 단계를 함께 참조하도록 설계해 부드러운 동작 전환과 협응을 학습한다. 절제 실험(ablation study) 결과는 명확하다. 딥-쉘로우 융합을 제거하면 티어 평균 성공률이 90.0%에서 82.9%로 떨어진다. 게이티드 셀프어텐션은 액션 헤드에서 기여도가 가장 높은 요소로 확인됐다.
파라미터를 무작정 늘리는 대신, 로봇 조작에 특화된 구조를 설계한 것이 Pi-Zero를 넘어선 비결이다.
Youibot은 이미 반도체·에너지·배터리 분야에서 800곳 이상의 실제 산업 현장에 로봇을 배치한 회사다. 벤치마크 점수가 아니라 현장 검증이 쌓여 있다. 여기에 더해 Fengxi 휴머노이드 로봇은 출시 당일 4,000대 주문을 받았다고 밝혔다. 리더보드 상위권이 단순한 연구 성과가 아니라 상용화 준비가 됐다는 신호로 읽히는 이유다.
1B 파라미터라는 소형화는 상업적 함의가 직접적이다. 대형 모델은 연산 자원이 많이 필요하고 지연 시간이 길며 클라우드 의존도가 높다. 공장 환경에서는 네트워크 연결을 보장할 수 없는 상황이 빈번하다. 1B 모델은 로봇 내부 엣지 컴퓨팅 하드웨어에서 직접 구동할 수 있다. 클라우드 의존을 없애고, 지연을 줄이고, 배포 비용을 낮추고, 현장 신뢰성을 높인다. Youibot이 목표로 내건 1만 개 산업 현장 배포가 현실적인 숫자로 다가오는 배경이다.
국내 로봇·제조 업계에도 시사점이 있다. 고사양 GPU 클러스터와 클라우드 인프라를 전제로 한 접근은 대규모 공장 배포에서 비용과 지연이라는 벽에 부딪힌다. FabriVLA 사례는 아키텍처 효율성에 집중하면 엣지 환경에서도 최고 수준의 조작 성능을 낼 수 있다는 경로를 보여준다. 파라미터 수가 아니라 설계가 승부를 가른다.
