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.

  1. 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.
  2. 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.
  3. 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.
  4. 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.
  5. 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.
  6. 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.
  7. 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.
  8. 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.
  9. 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.
  10. 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 .
  11. 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.
  12. 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.
  13. 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.
  14. 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.
  15. 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.
  16. 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.
  17. 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.
  18. 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.
  19. 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.
  20. 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.
  21. 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.
  22. 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.
  23. 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.
  24. 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.
  25. 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.
  26. 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.
  27. 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.
  28. 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.
  29. 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.
  30. 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