연구자료실
설비 연결, 품질 검사, 생산 분석과 제조 업무에 관련된 외부 논문입니다.
연구자료 검색
새 논문 요약
요점은 편집자가 정리한 메모입니다. 원저자의 표현과 다를 수 있으니 원문을 확인하세요. 2026-11-20 갱신.
- 820Computer Vision
Hunyuan3D-Buffalo 1.0: A Unified Multimodal Model for Scalable 3D Generation, Understanding, and Editing
- 3D 이해, 텍스트-투-3D 생성, 명령 기반 3D 편집, 텍스트 기반 부품 생성을 단일 아키텍처로 통합했다.
- 8700만 규모(이해 2500만, 생성 5000만, 편집 1200만)의 최대 3D 다모달 학습 데이터를 구축했다.
- Nano3D-v2 에이전트 기반 파이프라인으로 기하학적 일관성 있는 3D 편집 데이터를 대량 생산했다.
- Hunyuan3D-VLM(이해) + DiT(생성) 결합으로 생성 벤치마크와 편집 벤치마크 모두에서 SOTA 달성.
- 생성 능력과 이해 능력이 편집 품질을 상향한다는 교차 태스크 시너지를 실험으로 입증했다.
- 819Computer Vision
Quo Vadis, World Modeling?
- 세계 모델을 물리적 상태 예측에서 에이전트 사용 가능 정보 전환으로 패러다임을 확장했다.
- 세계 프록시를 dynamics, spatial, execution, memory, skill, reward 6가지 기능 형태로 분류했다.
- 추론 시점 지원, 학습 시점 최적화, 에이전트-프록시 공동진화 3단계 역량 강화를 체계화했다.
- 직접 환경 상호작용의 비용, 위험, 병렬화 한계를 세계 프록시가 어떻게 해결하는지 분석했다.
- 상하이 AI Lab, 절강대, NUS 연합으로 세계 모델 연구 방향을 제시하는 로드맵 논문이다.
- 818AI / General
DAPD: Dual-Anchored Policy Distillation
- 특권 의존 행동(privilege illusion)의 근본 원인이 선생과 학생 간 정보 비대칭임을 구조적으로 진단했다.
- 자기 조건부 분포를 브리지로 사용해 참조와 롤아웃 행동을 정보가 맞춰진 두 경로로 정렬했다.
- 참조→롤아웃, 롤아웃→참조 양방향으로 지도해 특권 정보 의존을 줄이면서 정확성은 유지했다.
- OPSD 대비 잘못된 주장(wrong claims)을 45% 줄이면서 추론 성능은 일관되게 올렸다.
- 1.7B부터 32B까지 스케일이 커질수록 개선 폭이 유지되는 것을 확인했다.
- 817Robotics
Track4Action: Distilling World-Centric 3D Tracker into Vision-Language-Action Policies
- 학습 때만 3D 추적 모델을 사용하고 배포 때는 제거하는 프리빌리지드 슈퍼비전 방식을 제안했다.
- Track4World에서 뽑은 3D 트래커 특징을 track query가 매칭해서 VLA 행동 헤드에 주입한다.
- LIBERO-Plus 제로샷 82.3%로 정렬 없는 버전 대비 +7.6%p, LaMP 대비 +3.0%p 향상했다.
- RoboTwin 2.0 clean/randomized 각각 80.44%, 81.48%를 기록했다.
- 실제 양팔 로봇 4개 태스크에서 67.5%로 정렬 없는 버전 대비 +25.0%p를 달성했다.
- 816Computer Vision
ParVL: Parallel Scaling and Expandable Compute Allocation for Multimodal LLMs
- ViT와 LLM에 각각 별도의 병렬 브랜치를 만들어 연산 할당을 독립적으로 조절하는 최초의 프레임워크를 제안했다.
- 백본 파라미터를 공유하는 prefix-conditioned 브랜치로 파라미터 증가 없이 연산만 확장한다.
- 9개 비전-언어 브랜치 구성을 체계적 실험으로 최적 분배가 태스크마다 다름을 보였다.
- 1B/2B/8B 스케일에서 단일 브랜치 대비 일관된 성능 향상을 확인했다.
- 병렬 실행으로 추가 연산이 벽시간 지연으로 직결되지 않음을 분석했다.
- 815AI / General
Harness-R1: Learning to Edit Executable Runtime Harnesses from Agent Failure Trajectories
- 에이전트 실패 궤적에서 런타임 하네스의 실행 가능한 패치를 자동 생성하는 최초의 학습 기반 방법을 제안했다.
- 9B 하네스 엔지니어가 타깃 에이전트 가중치를 얼려둔 채 GRPO로만 학습되어 안정적인 파이프라인을 구성했다.
- WebShop, ALFWorld, DBBench 3개 벤치마크 평균 +9.3%p 성공률 향상을 달성했다.
- 타깃 에이전트 파인튜닝 후에도 +5.0%p 추가 향상으로, 하네스 엔지니어와 에이전트의 공동 진화 가능성을 보였다.
- 20개 다른 타깃 설정으로 전이 실험에서도 평균 +7.06%p를 기록해 일반화 성능을 확인했다.
- 814Robotics
LiLa-WAM: Lightweight Latent Reasoning World-Action Model for Robotic Manipulation
- 미래 상태 예측과 행동 생성을 하나의 스트림에서 통합한 경량 세계-행동 모델을 단일 24GB GPU로 학습했다.
- 언어 없이 시각 특징 방향만으로 태스크를 지정하는 Visual Transition Token(VTT)을 제안했다.
- RoboTwin 2.0 50개 태스크에서 90.48% 성공률로 파라미터 수 대비 압도적 효율성을 보였다.
- LIBERO와 실제 로봇 실험에서도 큰 모델들과 경쟁할 수준을 확인했다.
- DINOV3 비주얼 백본만 사용해 언어 모델 의존 없이도 효과적인 로봇 제어가 가능함을 보였다.
- 813Computer Vision
Video-DeepResearch: Towards the Next-Generation Multimodal Deepresearch Agent
- 비디오 프레임에서 핵심 장면을 골라내고 시각 검색을 수행하는 딥리서치 에이전트 파이프라인을 설계했다.
- 모델이 텍스트 검색만 선호하는 모달리티 편향과 도구 없이 암기로 답하는 지식 누출 문제를 발견하고 해결했다.
- SFT 후 GRPO(그룹 상대 정책 최적화)로 모방 학습 한계를 넘는 자율 탐색 능력을 길렀다.
- 200개 복잡한 멀티홉 VQA로 구성된 VideoDR-Bench를 새로 구축했다.
- 35B-A3B 모델이 64.0%로 Claude-4.5-Sonnet(59.0%)을 5점 차로 제치고 SOTA 달성.
- 812Machine Learning
Qwen-CUA: Native Computer Use for (almost) Everything
- 스크린샷만 입력받아 키보드/마우스를 조작하는 네이티브 컴퓨터 사용 에이전트를 397B-A17B MoE로 학습했다.
- 최대 20개 스크린샷을 유지하면서 오래된 것은 블록으로 묶어 KV 캐시 효율을 높였다.
- 약 10만 vCPU, 4만 개 검증 태스크, 수만 개 동시 환경으로 대규모 강화학습을 수행했다.
- OSWorld-Verified 86.2%로 8개 벤치마크에서 Qwen3.7을 일관되게 앞섰다.
- 공격 성공률을 36.6%에서 16.4%로 낮춰 안전성도 개선했다.
- 811Information Retrieval
Knowledge-Geometry Decoupling: Refreshable Pretrained Transfer for Streaming Recommendation
- [철회 논문] arXiv 최신 버전 v2에는 Zixuan Wang이 이 논문을 철회했다는 공식 안내가 있습니다.
- 공식 버전 이력상 철회일은 2026년 8월 6일이며, 공개 사유는 산업계 공동저자의 데이터 공유 및 개인정보 보호 규정입니다.
- 공식 사유: Withdrawn due to data sharing and privacy regulations of industrial co-authors.
- 기존 방법과 성능 수치는 철회 전 주장이므로 현재 유효한 연구 성과나 도입 추천의 근거로 제시하지 않습니다.
- 공식 철회 안내와 버전 이력: https://arxiv.org/abs/2608.02738 .
- 810Robotics
ETA: A New Agentic Paradigm for Embodied Tasks
- Planner-Tool-World 루프 구조로 로봇이 한 번 행동하고 관찰한 뒤 다음 결정을 내리는 에이전트 패러다임을 제안했다.
- OpenETA 오픈소스로 교체 가능한 Planner, 조합 가능한 Tool, 감사 가능한 메모리, 재생 가능한 궤적을 제공한다.
- VLA 없이 gpt-5.6-Sol만으로 LIBERO 130 태스크 중 117개(90%)를 PASS@5로 해결했다.
- 실패 궤적에서 학습해 스킬을 스스로 개선하는 제한적 자기진화 메커니즘을 포함했다.
- UR5e 로봇 팔로 실제 하드웨어 통합 데모를 수행해 시뮬레이션을 넘어선 적용 가능성을 보였다.
- 809Computer Vision
JoyAI-Video-Edit: Real-Time Open-Ended Video Editing with Autoregressive Diffusion
- 16B 파라미터 확산 모델로 720p 실시간 비디오 편집을 B200 GPU 한 장에서 30 FPS로 달성했다.
- SA-DMD(소스 앵커링 증류)로 확산 과정을 2단계로 줄이면서도 원본 영상의 충실도를 유지했다.
- 장기 자회귀 증류로 긴 영상에서 누적되는 색상 드리프트, 외형 변형 문제를 잡았다.
- LongV2VBench라는 긴 영상 편집 벤치마크를 새로 구축해 체계적 평가를 가능하게 했다.
- 기존 스트리밍 편집기들을 성능으로 크게 앞서고, 오프라인 시스템과도 견줄 만한 결과를 냈다.
- 808Machine Learning
GradCuit: Credit-Assigned Gradient Flow Enables Robust and Interpretable Test-Time Latent Reasoning
- 최적화할 잠재 상태를 선택한 트랜스포머 층의 프롬프트 표현과 생성 토큰 표현 사이에 넣고 기본 모델 매개변수는 고정했다.
- 인과 자기어텐션을 통해 생성된 모든 토큰의 보상 가중 기울기가 디코딩 우회 없이 앞선 잠재 상태로 직접 흐르게 했다.
- 다섯 기반 모델과 세 추론 벤치마크, 두 답 형식의 평균 정확도는 64.5%로 가장 강한 비교법보다 2.4점, 생각 과정 유도보다 6.6점 높았다.
- 일곱 학습률에서 정확도 변동을 1.53에서 0.82로 줄였고, 기울기 분석에서는 잠재 영향이 추론 연결어에 집중됨을 보여 해석 가능성도 제시했다.
- 효과가 모델 깊이의 앞쪽~중간 층에서 가장 컸고 뒤쪽 층에서는 사라졌으며, 평가는 세 추론 과제에 한정돼 층 선택과 다른 과제로의 일반화 검증이 필요하다.
- 807AI / General
Reusing Rollouts under Policy Lag: Prefix-Normalized Policy Optimization for LLM Reinforcement Learning
- PNPO는 각 토큰 위치까지의 우도비를 곱한 뒤 기하평균을 내어 인과적 앞부분 정보는 남기고 가중치 범위는 줄인다.
- 응답 전체에 한 가중치를 주는 GSPO와 달리 위치마다 다른 앞부분 평균을 쓰지만, 정확한 상태·행동 분포 보정은 포기한 편향된 근사다.
- 네 번 재사용한 조건에서 세 수학 벤치마크 평균 최고점은 50.24로 GSPO보다 3.00점 높았지만 한 번 학습 조건에서는 차이가 일관되지 않았다.
- 같은 2400회 갱신 예산에서 새 롤아웃 배치를 150개만 써도 한 번 학습으로 600개를 쓴 결과와 비슷해 롤아웃 재사용 가능성을 보였다.
- 모델 한 개와 수학 과제 세 개, 설정당 한 번 실행에 그쳤고 구성 요소를 따로 떼어 보지 않아 앞부분 정규화만의 효과와 비동기·재생 자료에서의 효과는 아직 분리되지 않았다.
- 806Computer Vision
InfiniSplat: Implicit Gaussian Decoding for Large-Baseline Monocular View Synthesis
- 단안 깊이로 추정한 국소 표면에 가우시안 지지점을 놓고, 그 위치에서 조회한 영상 특징으로 가우시안 속성을 예측하는 암시적 해독기를 만들었다.
- 고정 픽셀 격자에서 지지점과 속성 예측을 떼어내 큰 시점 이동에서도 표면 균열과 흩어진 점을 줄이는 구조를 얻었다.
- 합성 실내 자료 Hypersim으로만 학습한 뒤 ETH3D와 ScanNet++, Tanks and Temples, DL3DV에서 기존 단일 영상 순전파 방법보다 높은 결과를 냈다.
- 한 번의 순전파로 실시간 렌더링 가능한 3차원 표현을 만들어 공간 사진 탐색과 증강·가상현실 화면에 적용할 가능성을 보였다.
- 한 장에서 보이지 않는 영역은 알 수 없고 잘못된 깊이 추정이 지지점 배치에 바로 번져, 반사·투명·얇은 물체와 극단적 시점 이동에서 구조 왜곡이 남는다.
- 805LLMs / NLP
Cross-Domain Hybrid OPD for Generalizable Search Agents
- 먼저 에이전트 강화학습으로 자율 계획과 반복 검색을 익히고, 이어 여러 분야 전문가의 온폴리시 증류로 일반 능력을 회복하는 두 단계 학습을 썼다.
- 증류 뒤에도 검색 능력은 대체로 유지됐고 여러 검색 과제에서는 강화학습 단계보다 더 향상돼 전문성과 범용성의 절충을 보였다.
- 증류를 검색·일반 자료의 혼합 강화학습으로 바꾸면 HYEval3.1 논리 추론이 46.90%에서 36.31%, BBEH Mini가 47.86%에서 35.22%로 떨어졌다.
- 분야별 교사와 쉬운 문제부터 가르치는 과정이 범용 교사 한 개나 과정 없는 학습보다 어려운 추론·코딩·수학 과제에서 더 좋은 결과를 냈다.
- 기술 보고서의 증거는 Hunyuan3 기반 Yuanbao와 제시된 검색·일반 벤치마크에 집중돼 있어 다른 기반 모델과 외부 운영 환경으로의 일반화는 추가 검증이 필요하다.
- 804Research
SwanTale: Unified Multi-Speaker Speech and Audio Generation for Instruct and Zero-Shot Tasks
- 음성 전처리와 다층 캡션, 품질 정제 및 희귀 상황 합성으로 환경·화자·내용을 설명하는 약 7000만 건의 학습 기록을 구성했다.
- SwanVAE와 흐름 기반 트랜스포머에 품질 조건, Engram, 통합 전문가 혼합을 결합해 참조 음성과 자연어 지시를 한 모델에서 처리했다.
- 참조 음성 단일 화자 평가에서 음색 일치도 0.95와 내용 오류 0.086을 기록하며 이전 SwanVoice보다 좋아졌다.
- 지시 평가에서 중국어 APS 86.1로 1위, 영어 APS 84.2로 공동 1위를 기록했고 말소리와 환경음·효과음을 한 파형으로 만들 수 있었다.
- 복잡한 배경음악의 감정 전환과 2분이 넘는 다화자 장면, 특정 화자의 연속 감정·강세·쉼표 제어 및 역할 연기는 여전히 약점이다.
- 803AI / General
From Simple QA to Deep Research: A Verifiable Benchmark Constructed through Iterative Task Evolution
- 벤치마크는 딥리서치 과제 500개로 구성되고 31개 주제와 10개 대분류를 덮으며, 질의 형태 3종으로 서로 다른 능력을 나눠 본다.
- 구축 루프는 Explorer가 실제 환경에서 과제를 풀고, Formalizer가 그 결과를 DAG와 채점 체크포인트로 정리하고, Challenger가 아직 안 쓴 단서로 다음 라운드 질의를 만드는 식으로 돈다.
- 라운드가 진행되면 평균 DAG 깊이가 1라운드 2.5에서 5라운드 5.2로 빠르게 늘고 이후 약 7.0으로 완만해지며, 노드 수는 4.6에서 25.2로, 체크포인트는 13.6에서 123.2로, Explorer 도구 호출은 3.9회에서 23.3회로 늘어난다. 평균 진화 라운드는 14.19다.
- 난이도가 실제로 올라간다. 정보를 넉넉히 주는 질의를 뺀 나머지 두 질의 형태에서 라운드 평균 점수가 약 0.93과 0.95에서 약 0.29와 0.40까지 떨어졌다. 그런데도 모델 간 상대 순위는 대부분 라운드에서 유지된다.
- 도구를 빼면 열 개 모델 전부 점수가 떨어진다. 전체 점수가 평균 0.14 하락하고 증거형과 분석형 체크포인트에서 각각 평균 0.07 떨어져, 과제가 사전학습에 잘 없는 롱테일 정보를 요구한다는 뜻이다.
- 채점 안정성도 확인했다. 사람이 검수한 100개 과제에서 같은 모델로 반복 채점하든 다른 모델로 채점하든 사람 평가와의 피어슨 상관이 0.884에서 0.916 사이로 높게 나왔다.
- 802Robotics
ChainVLA: Chaining Vision-Language-Action Queries through a Unified Execution State for Long-Horizon Manipulation
- 실행 상태를 둘로 나눴다. 뒤를 보는 쪽은 순환 작업상태와 드문드문 기록한 사건 메모리를 합친 진행상황이고, 앞을 보는 쪽은 직전 예측 중 아직 실행 안 된 뒷부분이다. 이 상태는 고정된 계획이 아니라 고쳐 쓸 수 있는 사전 정보로만 쓴다.
- RMBench에서 12억 파라미터로 평균 62.8을 냈다. 전체 과제를 다 커버하는 방법 중 가장 강한 Mem-0이 80억에 20억을 더 쓰고 52.8이었다.
- 가장 크게 앞선 과제는 Put Back Block이다. 지금 화면에서는 원래 자리를 알 수 없는 블록을 되돌려놔야 하는 과제인데 96을 기록했고 Mem-0은 90, MemoryVLA는 50이었다.
- 제거 실험 결과가 비대칭이다. 진행상황만 남기면 11.2, 동작 꼬리만 남기면 3.0, 둘 다 빼면 1.6인데 전체는 62.8이다. 반쪽 상태가 상태 없는 것과 별로 다르지 않다는 뜻이다.
- 기존 방식을 흉내 낸 대조군은 부족했다. 고정 길이 관측 이력에 시간 앙상블(겹치는 예측들을 뒤에서 섞어 부드럽게 만드는 방법)을 붙인 조합은 35.6으로 전체보다 27.2점 낮았다.
- 매끄러움 자체가 원인이 아님을 보였다. 선형 연장 대조군은 Put Back Block 네 개 경계 지표 전부와 Swap Blocks 네 개 중 셋에서 전체 모델보다 오차가 작았다. 그런데도 성공률은 0%와 2%였고 전체 모델은 96%와 74%였다.
- 801Computer Vision
UEmbed: Unified Sparse and Dense Multimodal Embeddings
- 특수 토큰을 16개 붙이고 어휘를 k-means로 16등분해 각 토큰이 한 덩어리씩 맡게 했다. 특수 토큰 개수 N을 2, 4, 8, 16, 32로 훑어보니 16까지는 성능이 안정적이고 32에서 뚜렷하게 떨어졌다.
- 어휘를 먼저 압축했다. 악센트 제거, 소문자화, 공백 정리로 같은 형태가 되는 토큰을 하나로 합쳐 어휘 크기를 248,320에서 184,016으로 줄였고, 점수를 매길 때는 합쳐진 것들 중 최대 가중치를 쓴다.
- UEmbed-9B는 MMEB-v2에서 밀집 71.8, 희소 71.0을 기록했다. 공개 데이터로 학습한 모델 중 밀집검색 1위이며 희소검색에서는 새로운 최고 성능이라고 주장한다.
- UEmbed-2B 기준으로 밀집과 희소 점수를 합친 혼합 점수를 쓰면 텍스트가 53.6에서 53.9로, 시각문서가 77.0에서 77.5로 올랐다. 반면 자연 이미지와 비디오는 표면 어휘 정보가 적어서 이득이 거의 없었다.
- 에이전트 검색 벤치마크 BrowseComp-Plus에서 희소 모드가 검색 라운드를 줄였다. UEmbed-2B는 밀집 39.19회에서 희소 32.67회로 줄면서 재현율은 53.47에서 57.04로 오히려 올랐고, 9B는 정확도 49.76으로 같은데 라운드가 33.68에서 31.05로 줄었다.
- 한계도 솔직히 적었다. 어휘가 큰 현대 LLM 특성상 '_alt' 같은 이상한 토큰이 활성화되기도 하고, 학습 말뭉치가 영어와 중국어에 치우쳐서 다른 언어 토큰은 잘 안 뜬다.
- 800Computer Vision
LongHorizon-Harness: Advancing Long-Horizon Agents for Real-World Tasks
- 긴 작업의 실패 원인을 세 가지로 정리했다. 오류가 쌓이며 목표가 어긋나는 문제, 기록이 길어져 필요한 정보를 못 찾는 문제, 지금까지 무엇을 했는지 상태를 잃어버리는 문제다.
- 핵심 구조는 Manage-Execute-Audit 루프다. 매니저는 환경에 직접 접근하지 못하고 상태와 감사 보고서만 보며, 실행자는 매번 새 문맥에서 하위작업 하나만 하고, 감사자는 읽기 전용 도구로 환경을 직접 확인한다.
- 라운드 사이에 넘어가는 기억은 감사 보고서뿐이고 실행자의 원본 기록은 버린다. 종료 조건은 감사된 상태가 원래 목표를 만족하거나, 더 진행할 하위작업이 없거나, 사용자 입력이 필요하거나, 라운드 예산이 소진된 경우다.
- AgentAdapter라는 얇은 어댑터로 기존 시스템의 원래 에이전트 루프를 건드리지 않고 백엔드를 갈아끼운다. Claude Code, Codex CLI, OpenClaw, Hermes Agent 같은 하네스와 Claude Opus, GPT, Qwen 같은 모델을 세 역할에 섞어 쓸 수 있다.
- Qwen 3.7-Plus와 Claude Code 조합에서 WeaveBench 통과율이 51.8퍼센트에서 80.7퍼센트로 올랐다. 이는 공식 보고 최고치인 Claude Opus 4.7 조합의 41.2퍼센트의 거의 두 배다.
- OSWorld 2.0 전체에서 이진 완료율(과제를 다 끝냈는지만 0과 1로 매기는 성공률)이 2.8퍼센트에서 8.3퍼센트로 약 3배가 됐고, 34개 하위집합에서 Claude Opus 4.7 기준 20.0퍼센트에서 34.3퍼센트로 올랐다.
- 사례 분석에서 기준 방식은 문서 XML을 직접 고쳐 겉보기만 맞춘 탓에 0.00점을 받았지만, 제안 방식은 지정된 GUI 절차를 따르고 감사자가 XML을 다시 파싱해 15개 제목 서식을 확인해 0.89점을 받았다.
- 799Robotics
Why Does Action Chunking Improve Behavioral Cloning Performance in Robotic Control?
- 기존 가설 세 가지를 각각 통제 실험으로 검증했고, 시간적 일관성과 유효 지평 축소와 표현학습 어느 것도 액션 청킹의 성능을 충분히 설명하지 못한다고 결론냈다.
- 과거 관측을 보고 한 스텝 행동만 내는 지연 정책이 청킹의 과거 반영 능력과 누적오차 감소를 상당 부분 대신한다. 지연값 5에서 15 사이에서 검증오차가 가장 낮았다.
- 청킹 정책은 하나의 관측에서 서로 다른 시간 간격의 행동 관계를 함께 배우므로, 지연이 다른 정책 여러 개의 앙상블처럼 동작한다. 저자들은 이를 암묵적 앙상블이라 부른다.
- 실험한 모든 시뮬레이션과 실제 로봇 환경에서, 청킹 정책을 무작위 지연 앙상블로 배치하면 액션 청킹을 쓰지 않고도 같은 성능을 냈다.
- 독립 학습한 정책 여러 개로 명시적 앙상블을 만들면 청킹보다 더 좋아졌다. Robomimic Transport 과제에서 약 30퍼센트 성능 향상을 보고했다.
- 제어 주기 15에서 20헤르츠 구간에서는 지연 정책이 통했지만, 50에서 60헤르츠로 올리면 실패했다. 길이 5의 부분 청크를 하나의 행동처럼 다루면 다시 좋아졌고, 사람의 시각 기반 행동이 2에서 10헤르츠로 갱신된다는 점을 이유로 든다.
- 798LLMs / NLP
CompanionBench: A Theory-Anchored, Real-World-Grounded Benchmark for AI Emotional Companionship
- 능력 체계는 이론 25편에서 뽑은 10개 능력을 1점에서 10점 척도로 재며, 하위 항목이 총 42개다. 여기에 심각도 3단계로 나눈 18개 나쁜 패턴 목록을 역방향 층으로 얹었다.
- 선행 연구가 점수로 매기지 않던 4개 능력을 새로 넣었다. 모호함을 견디기, 자기대상 반응성, 긍정 공명, 눈높이에 맞춘 도전이다.
- 두 번째 축은 자기개방 관문 재생이다. 개방을 얼마나 자주 얻어냈는지와 얼마나 깊이 갔는지를 재고, 얻지 않은 개방을 가져갔는지도 따로 센다.
- 재현성이 높다. 독립 재실행 기준 첫 번째 축(10개 능력 점수) 순위의 스피어만 상관은 중국어 0.996, 영어 0.953이고, 10개 능력 중 8개가 0.93 이상이다. 가장 낮은 것은 긍정 공명 0.829와 눈높이 도전 0.863이다.
- 관문이 실제로 에이전트 행동을 따라간다는 증거로, 개방을 얻어낸 비율과 이르게 개방해 버린 비율이 강한 음의 상관을 보였다. 피어슨 상관이 영어 -0.938, 중국어 -0.979다.
- 28개 모델 리더보드에서 영어 기준 gpt-5.5가 문항반응이론 점수 8.27로 1위, 최하위 doubao-char-251128이 4.28이다. 역할극 특화 3개 모델은 바닥권이며, 부족분이 가장 큰 능력이 모호함 견디기와 눈높이 도전과 인정하기였다.
- 따뜻함과 알맹이가 갈린다는 것을 수치로 보였다. claude-haiku-4-5는 1차 점수 0.780에서 금지선 위반 반영 후 0.548로 떨어졌고, 최하위 모델은 0.395에서 0.017까지 떨어졌다.
- 797Computer Vision
WorldExam: Benchmarking World Models from Apparent Appearance to Inherent Reactivity
- 벤치마크 규모는 조작 방식 3종, 진단 단계 4개, 평가 과제 8개, 테스트 사례 1,474개다. 평가 대상 모델은 20개다.
- 8개 과제는 Camera Control, Subject Control, Scene Revisit, Terrain Interaction, Object Interaction, Social Interaction, Physical Reaction, Goal Completion이다. 앞의 세 개는 지시 이행과 공간 일관성을 본다. 그다음 네 개는 장면을 보고 세계가 알아서 반응하는지를 보고, 마지막 Goal Completion은 높은 수준의 목표만 주고 실행 단계를 스스로 짜는지를 본다.
- 같은 행동을 원자 단위 제어로 쪼갠 뒤 모델별 입력 방식에 맞춰 변환한다. 카메라 방식에는 SE(3) 카메라 궤적(위치와 방향을 함께 적은 카메라 이동 경로), 행동 방식에는 이산 행동열, 언어 방식에는 자연어 프롬프트를 준다.
- World Reactivity 사례에서는 기대되는 반응을 지시문에서 뺀다. 예를 들어 계단 앞에서 앞으로 가라는 제어만 주고, 계단을 오르는 수직 적응은 모델이 장면을 보고 스스로 만들어야 한다.
- 모델 호환성을 위해 트랙을 둘로 나눴다. 카메라만 움직이는 정적 장면 트랙은 세 방식 모두 평가하고, 주체와 환경의 상호작용이 보여야 하는 동적 상호작용 트랙은 행동 방식과 언어 방식만 평가한다.
- 표 1의 비교를 보면 기존 벤치마크는 사례 수는 크지만 과제 폭이 좁다. WorldScore는 3,000 사례에 과제 1종, iWorld-Bench는 4,900 사례에 과제 2종인 반면 WorldExam은 1,474 사례로 8개 과제를 모두 덮는다.
- 결론은 화질이 좋고 지시를 잘 따른다고 해서 세계의 반응성이 따라오지 않는다는 것이다. 넓은 과제 범위와 일관되게 높은 성능을 동시에 갖춘 모델은 하나도 없었다.
- 796AI / General
SKT: Skill-Use Training at Scale via Verified Synthetic Data Generation
- 공개 스킬 2,000개에서 과제 패키지 4,000개와 검증된 실행 궤적 27,164개를 만들었다. 학습 데이터와 겹치지 않는 별도 스킬 풀로 SkillEval 벤치마크도 같은 파이프라인으로 구성했다.
- 학습 스킬 예산을 0, 100, 500, 1000, 2000으로 늘리자 Qwen3.5-9B의 SkillEval 점수가 55.24, 59.8, 67.4, 70.8, 72.48로 단조 증가했다.
- 다른 실행 환경에서 학습해도 이득이 옮겨간다. OpenCode 궤적으로 학습한 모델이 DeepAgents에서 SkillsBench 4.94에서 9.29로 올랐다. 같은 환경 궤적으로 학습하면 13.62까지 오르는데, 그 개선폭의 50.1퍼센트를 지킨 셈이다.
- 두 환경 궤적을 섞어 학습한 단일 체크포인트는 벤치마크와 실행 환경을 짝지은 8개 비교 전부에서 원본을 이겼다. 이득은 2.64점에서 18.81점 사이다. SkillEval은 OpenCode에서 55.24가 74.05로, DeepAgents에서 51.62가 69.96으로 올랐다.
- 섞어 학습한 모델은 환경 전용 모델과 평균 점수 차이가 최대 2.71점이며, 8개 비교 중 3개에서는 오히려 앞섰다. 환경마다 따로 모델을 유지할 필요가 줄어든다는 뜻이다.
- SkillsBench 77개 과제를 지정 스킬 개수로 나눠 보면 스킬 1개는 9.54에서 16.94, 2개는 3.95에서 20.72, 3개 이상은 4.04에서 12.08로 올랐다. 이득이 단일 스킬 과제에만 몰려 있지 않다.
- 795Robotics
TRACE: Ergodic Trajectory Optimization for Active Scene Reconstruction
- Replica 8개 장면 전부에서 ActiveGS보다 PSNR이 높았고 평균 이득은 1.5 dB다. 화질 지표인 LPIPS와 SSIM도 같은 방향으로 나왔다.
- 장면 종류에 따라 이득의 성격이 다르다. office 장면은 SSIM은 비슷한데 LPIPS가 6에서 19퍼센트 좋아졌고, room과 hotel 장면은 SSIM 격차가 0.012에서 0.017까지 벌어졌다.
- 이득이 단순히 관측 프레임을 더 많이 찍어서 나온 게 아니다. ActiveGS 경로 위에 무작위 10장을 더 찍은 변형은 0.08 dB 차이로 원본과 같았고, 균등 보간 10장 변형은 오히려 1.7 dB 떨어졌다.
- 발자국 소진 기법을 빼고 원래 커널 에르고딕 지표만 쓰면 2.1 dB를 잃고 8개 장면 중 6개에서 ActiveGS보다 나빠졌다. 중복 관측을 억제하는 장치가 핵심이라는 뜻이다.
- Unitree Go2 사족보행 로봇에 Intel D435 RGB-D 카메라를 달고 42제곱미터 공간에서 5분 임무를 돌렸다. 계획된 지평마다 실행 불가능한 명령 없이 수행됐다.
- 실물 실행 성공률은 100퍼센트였고, 비교한 NBV 기준선은 모든 시도에서 환경에 가볍게 접촉했다. 궤적 자체가 최적화 변수라 웨이포인트를 컨트롤러에 바로 넘긴다.
- 794AI / General
Faster-WAM: Do World Action Models Need Deep Action Modules?
- 문제 제기는 속도다. 대표적 저지연 모델인 Fast-WAM도 행동 묶음 하나에 211.7ms가 걸려, 71.4ms인 파이제로닷파이브(VLA 모델)의 약 3배였다.
- DoT는 기존 MoT 방식이 요구하는 영상 층과 행동 층의 일대일 대응을 없앤다. 그래서 행동 헤드 깊이를 백본 깊이와 따로 정할 수 있고, 행동 헤드가 백본 전 층의 표현에 접근한다.
- LIBERO 네 개 과제 묶음 평균 98.5%로 Fast-WAM의 97.6%보다 0.9포인트 높았고, LIBERO-Long에서 2.6포인트 올랐다. 로봇 사전학습을 한 파이제로닷파이브, X-VLA, Motus보다도 높다.
- 24GB 소비자용 GPU 동일 조건 지연시간 비교에서 Faster-WAM 66.5ms, 파이제로 68.2ms, 파이제로닷파이브 71.4ms, X-VLA 105.3ms, Fast-WAM 211.7ms였다. LingBot-VA와 Motus는 메모리 초과로 측정 불가였다.
- LIBERO-Plus 분포 밖 일반화에서 75.0%로 Fast-WAM의 51.5%를 23.5포인트 앞섰다. 카메라 교란은 16.4%에서 67.9%, 센서 잡음은 37.7%에서 82.7%, 언어 교란은 68.9%에서 92.1%로 올랐다.
- 절제 실험은 49.5%에서 시작해 최종 층만 쓰는 단순 DoT 60.3%, KV-Fusion 추가 66.8%, RoPE 정렬 추가 71.3%, 텍스트 교차어텐션 제거로 75.0%까지 단계별로 올라간다. 층 혼합 신호는 중간층에 몰리되 전 층에 넓게 퍼져 있었다.
- 793Robotics
Ego2Robot: Scalable Robot Data Synthesis from Egocentric Human Data
- 파이프라인은 손 21개 키포인트에서 가상 손끝(검지 0.7 + 중지 0.3)을 만들어 그리퍼 중심점과 벌림 폭을 뽑고, Savitzky-Golay 필터와 SLERP로 시간축 노이즈를 없앤다. 손 자세 주석이 없는 영상은 WiLoR와 DynHaMR로 자세를 추정하고 Qwen3.5로 긴 영상을 하위 과제로 쪼갠다.
- 약 1,940시간 원본 영상에서 15개 로봇 형태용 18,561시간 데이터가 나와 약 9.6배로 불어났다.
- 사전학습 배합 실험에서 1대1 배합이 RoboTwin Clean 68.1%(+5.9), Randomized 53.5%(+2.6), 과제 의미 축 54.1%(+7.9)로 일곱 열 중 다섯 열에서 1위였다. 1대3 배합은 거의 이득이 없었다.
- 축별로 보면 조명 +7.6, 로봇 색 +6.4, 카메라 오프셋 +5.9로 시각 강건성 이득이 가장 컸다. 처음 보는 물체는 29.3%에서 40.0%(3대1)로 올랐고, 지시문 바꿔쓰기는 68.5%가 됐다. Franka는 7% 아래에 머물러 운동학 차이가 큰 로봇으로의 전이는 실패했다.
- 로봇 데이터 없이 에고 데이터만 쓴 절제 실험에서 원본 에고 영상 그대로는 28.1%인데 파이프라인을 거치면 31.7%로 올랐고, 형태를 1개에서 15개로 늘리면 33.5%, 여기에 원본 에고 데이터를 더하면 37.3%가 됐다.
- 실물 ARX ACone 로봇 다섯 개 장기 과제에서 원격조작 시연 20개에 장면당 약 7분짜리 에고 놀이 영상을 변환해 섞은 조합이 가장 좋았고, 블록 넣기 +14, 나사 삽입 +13이었다.
- 792Research
A Simple Necessary and Sufficient Condition for Yang--Baxter Integrability
- 40년간 미해결이던 추측, 'Reshetikhin 조건이 Yang-Baxter 적분가능성의 필요충분조건이다'를 병진 불변 최근접 상호작용 스핀 사슬에 대해 엄밀 증명했다.
- 이 조건은 해밀토니안 수준에서 직접 검사 가능하고, 총 에너지 흐름의 보존과 동등하므로 실험적으로도 관측할 수 있다.
- 양자 버전의 Liouville-Arnold 정리를 확립해서, Yang-Baxter 적분가능성과 무한한 국소 보존량의 존재가 동등함을 보였다.
- 새로운 적분가능 모델을 찾을 때 R-행렬을 찾는 대신 해밀토니안에서 직접 검사하면 되므로 탐색이 대폭 단순화된다.
- 791Robotics
BWM: A Low-Cost High-Fidelity World Simulator for Robot Learning
- 로봇 동작에 조건부로 미래 장면을 예측하는 액션 조건부 월드 모델로, 초기 환경 가이드 + 동적 히스토리 + 정밀 동작 제어를 결합했다.
- 궤적 재생, 중복 클립 샘플링, 초기 관측 강화로 동작-관측 정렬을 유지하는 훈련 데이터 파이프라인을 구축했다.
- WorldArena 챌린지 Track 1 + 두 개 Track 2 애플리케이션을 합쳐서 전체 1위(오픈소스 중)를 달성했다.
- BWM이 생성한 데이터로 훈련한 정책이 실제 로봇에서 71.00% 평균 성공률을 기록했고, 기존 최고 월드 시뮬레이터 대비 53.33%에서 크게 향상됐다.
- 모델 체크포인트, 훈련/추론 코드, 데이터 생성 및 정책 평가 인터페이스를 모두 오픈소스로 공개했다.
연구에서 제품 적용까지
운영 중인 기능, 시범 적용과 개발 중인 기술을 구분해 정리했습니다.
보유기술 보기