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. 670LLMs / NLP

    SWE-Pruner Pro: The Coder LLM Already Knows What to Prune

    • 핵심 논지는 가지치기 신호를 밖에서 다시 만들 필요가 없다는 것이다. 도구 출력을 읽는 순간 백본이 이미 그 판단을 표현 안에 담고 있다.
    • 근거로 Qwen3-Coder-Next를 얼린 뒤 줄 단위로 은닉 상태를 평균 낸 로지스틱 회귀 프로브를 돌렸고, 보류 데이터에서 AUC 0.83, 최고 F1 0.63을 얻었다.
    • 방법은 프리필(입력을 한 번에 처리하는 단계)에서 나오는 마지막 층 은닉 상태를 작은 헤드가 읽어 토큰별 점수를 내고 줄 단위 유지 또는 삭제로 모으는 구조다.
    • 설계 요소 두 가지가 성능을 끌어올린다. 출력 줄 수를 넣는 길이 인식 임베딩과, 샘플마다 유지와 삭제 비율을 맞추는 균형 초점 손실이다.
    • 결과는 오픈웨이트 백본 2종과 멀티턴 벤치마크 4종에서 SWE-QA-Pro 39%, Oolong 30% 토큰 절감이며, MiMo-V2-Flash 기준 Oolong 정확도 2.2점, SWE-Bench Verified 해결률 3.8퍼센트포인트 상승을 함께 얻었다.
    • 추가 비용은 제한적이다. 추론 엔진 안에 헤드를 붙인 재생 실험에서 생성 총 시간 대비 15.0%의 벽시계 시간만 더 들었고 별도 모델 호출은 없다.
  2. 669Computer Vision

    TimeLens2: Generalist Video Temporal Grounding with Multimodal LLMs

    • 영상 근거 찾기를 하나의 구간이 아니라 개수가 변하는 구간 집합 문제로 정의했다. 긴 영상, 여러 번 반복되는 장면, 1인칭 영상, 질문형 요청까지 한 모델로 다룬다.
    • 데이터 품질 문제를 한 번에 라벨을 다는 방식 대신 단계별 검증으로 풀었다. 후보 제안, 독립 재탐색, 에이전트 합의, 의미 검증, 경계 정밀화 순으로 좁혀간다.
    • 핵심 기법은 시간 Wasserstein 보상이다. 예측 구간과 정답 구간을 각각 균등 분포로 보고 정확한 1차원 W1 거리를 계산해, 짝짓기 없이도 조밀한 피드백을 준다.
    • 겹침 기반 보상(tIoU)은 예측이 정답과 하나도 안 겹치면 모두 0이라 학습 신호가 없다. Wasserstein 보상은 이 상황에서 아깝게 빗나간 경우와 멀리 빗나간 경우를 구분해준다.
    • 실측으로 보상이 전부 같아 학습이 안 되던 그룹 비율이 13.8%에서 3.6%로 줄었고, 전부 0이던 그룹의 75.8%가 다시 순위를 갖게 됐다.
    • 작은 모델이 훨씬 큰 모델을 이겼다는 점이 실용적이다. 답변에 시간 근거를 붙여 사람이 확인할 수 있게 만드는 방향이 통한다는 증거다.
  3. 668Machine Learning

    LLM-as-a-Coach: Experiential Learning for Non-Verifiable Tasks

    • 점수 하나로 압축된 보상은 정보 병목이라, 특히 상위권에서 같은 최고점을 받은 답들을 구분하지 못한다는 문제 제기다.
    • 해법은 같은 피드백 모델을 심사자 대신 코치로 쓰는 것이다. 코치는 응답 평가를 일반화된 재사용 가능한 조언(경험 지식)으로 정리한다.
    • 그 조언을 교사 모델의 문맥으로 주고, 정책이 뽑은 응답을 따라 토큰 단위 역 KL 발산을 줄이는 온폴리시 문맥 증류로 정책에 내재화한다. 추론 때는 코치도 조언 문맥도 필요 없다.
    • 피드백 대역폭 비교로 동기를 설명한다. 1~10 정수 점수는 표본당 3.3비트, 어휘 15만에서 1024토큰 조언은 이론상 1만7600비트다.
    • 두 정책 계열에서, 피드백 모델이 정책 자신이든 상용 API 모델이든, EL이 루브릭 기반 강화학습보다 held-out 및 처음 보는 벤치마크에서 더 좋았다.
    • 강화학습은 보상을 좇아 학습셋 보상 과최적화(보상 해킹)에 빠지기 쉬운 반면, EL은 교사 분포를 따라가는 분포 정합이라 그 실패가 줄어든다.
  4. 667Robotics

    FM-VLA: Force-based Memory for Vision-Language-Action Models in Contact-Rich Manipulation

    • 접촉이 많은 반복 작업은 화면 변화가 거의 없어서 시각 기억으로는 진행 상황을 셀 수 없다는 문제를 짚었다.
    • 힘과 토크 시계열을 재구성 목표로 변분 오토인코더를 먼저 학습시키고, 그 인코더를 얼려 잠재 표현을 기억 토큰으로 썼다.
    • 힘 기억만 쓰면 접촉 전 움직임이 불안정해져서, 짧은 관절 상태 기록을 함께 넣어 보완했다.
    • 세 과제 평균 성공률 83.3%로 기억 없는 파이제로 27.8%, 힘 단기창 기반 TA-VLA 22.2%, 시각 기억 파이-MEM 53.7%를 앞섰다.
    • 추론 지연은 60.7ms에서 64.0ms로 3.3ms만 늘어난 반면, 시각 기억은 프레임 수에 따라 100ms에서 190ms까지 커졌다.
    • 기억 토큰 수는 8개가 최적이었고, 32개로 늘리면 사전학습된 행동 모듈의 토큰 한도를 넘어 오히려 성능이 떨어졌다.
  5. 666Robotics

    Patch Policy: Efficient Embodied Control via Dense Visual Representations

    • 핵심 주장은 간단하다. 시각운동 정책에 필요한 것은 거대한 생성 모델이 아니라 조밀한 시각 특징 그 자체다.
    • 방법은 최소 확장이다. 얼린 ViT의 패치 토큰을 모두 이어붙이고, 프레임 내부는 서로 다 보게 하고 프레임 사이만 과거로 막는 블록 인과 마스크를 쓴다.
    • 정책 머리는 갈아끼울 수 있다. VQ-BeT와 Diffusion Policy 둘 다에서 동작하며 인코더는 미세조정하지 않는다.
    • 결과는 시뮬레이션 4종(Push-T, LIBERO Goal, BlockPush, Cube)과 프랑카 로봇 실제 3작업에서 전역 특징 대비 40% 상대 개선이다.
    • 효율이 강점이다. VQ-BeT 기반은 DINOv2 패치를 써도 추론 10.99ms, OpenVLA-OFT는 61.71ms다. 학습도 6.5 GPU시간 대 16 GPU시간이다.
    • 패치를 줄이면 손해다. Push-T에서 256패치 0.69가 64패치 0.52, 1패치 0.48로 떨어져 공간 해상도가 정밀 조작의 핵심임을 보였다.
  6. 665Robotics

    RynnBrain 1.1: Towards More Capable and Generalizable Embodied Foundation Model

    • 핵심 주장은 시각 이해를 잘하는 것만으로 부족하고, 표현과 출력이 로봇 조작에 바로 쓰이는 형태여야 한다는 것이다.
    • 방법으로 접촉점 예측(잡을 중심점과 그리퍼 평면 회전각)과 네이티브 3D 위치찾기를 사전학습 과제로 추가했고, 3D 위치찾기는 2B와 9B 모델에 들어간다.
    • 구조는 Qwen3.5 기반의 디코더 전용 시각언어모델이며, DeepStack과 Interleaved MRoPE로 이미지, 여러 시점 이미지, 영상을 길게 다룬다.
    • 여러 로봇을 한 정책으로 묶기 위해 몸 부위별로 의미를 맞춘 통합 행동 공간을 두고, 로봇마다 있는 축만 켜는 마스킹을 적용했다.
    • 결과로 실물 로봇 3개 과제 평균 성공률이 RynnBrain-VLA 86.67%, GR00T N1.7 73.33%, π0.5 65.00%, Qwen 기반 60.00%였다.
    • 여러 과제와 여러 로봇을 함께 학습한 제너럴리스트 버전이 과제별 개별 학습보다 오히려 나아서(성공률 86.67%에서 91.67%), 이종 로봇 데이터가 서로를 보완한다는 근거를 보였다.
  7. 664Computer Vision

    Exploration Matters for Escaping the Blur Trap in 3D Gaussian Splatting

    • 핵심 논지는 3DGS의 흐림이 데이터 부족이나 모델 용량 문제가 아니라 최적화 동역학 자체의 편향에서 온다는 것이다.
    • 이론적으로 2D 기울기에서 유도된 3D 위치 갱신은 카메라에서 가우시안으로 향하는 시선 광선과 직각임을 증명했고, 2D 위치 성분이 나머지 두 성분보다 학습 내내 2~3자릿수 크게 지배한다고 보고했다.
    • 흐림을 두 종류로 나눴다. 깊이 신호가 없어 생기는 먼쪽 흐림, 알파 블렌딩이 밀도 증가 신호를 눌러 생기는 가까운쪽 흐림이다.
    • 처방은 아주 단순하다. 무작위 위치에 후보 가우시안을 주기적으로 뿌리고(불량 후보는 불투명도 가지치기로 제거), 누적 기울기와 상관없이 일부 가우시안을 무작위로 쪼갠다.
    • Mip-NeRF 360, Tanks and Temples, Deep Blending, OMMO, DL3DV 다섯 데이터셋과 4DGS 확장에서 화질이 올랐고, Tanks and Temples PSNR이 23.73에서 24.37로, DL3DV가 27.16에서 28.43으로 개선됐다.
    • 밀도 임계값을 낮춰 억지로 쪼개는 방식은 알갱이 수만 폭증하고 화질은 거의 안 올라, 이득이 단순 개수 증가가 아니라 탐색 자체에서 온다는 점을 대조 실험으로 보였다.
  8. 663AI / General

    DSWorld: A Data Science World Model for Efficient Autonomous Agents

    • 데이터사이언스 작업 상태 전이(state transition)를 예측하는 '데이터 사이언스 세계 모델' 개념을 처음 제안했다.
    • 가벼운 작업은 실제 실행, 무거운 작업은 LLM 시뮬레이터로 예측하는 비용 인식 라우팅을 도입했다.
    • RL 에이전트 학습을 약 14배 가속하고, 검색 기반 추론을 3~6배 가속했다.
    • 전이 예측 과제에서 최강 LLM 기준보다 35.6% 높은 정확도를 기록했다.
  9. 662Computer Vision

    StructGen: Disambiguating Multi-Reference Image Generation via Structured Context Modeling

    • 딕셔너리 형식으로 각 참조 이미지에 식별자를 부여해 자연어 지시어의 모호함을 제거했다.
    • 실제 고품질 이미지 기반의 구조화된 학습 데이터셋을 새로 구축했다.
    • 멀티레퍼런스 평가용 전용 벤치마크를 제안했다.
    • 기존 방법들 대비 복잡한 다중 참조 상황에서 일관되게 더 나은 결과를 보였다.
  10. 661Information Retrieval

    RecGPT-V3 Technical Report

    • Memory Hub가 사용자 행동 이력을 94.5% 압축된 메모리 단위로 관리해 매 요청마다 전체 이력을 재처리하지 않는다.
    • Semantic ID를 LLM이 직접 추론하는 하이브리드 모달 모델로 태그-아이템 정보 병목을 해결했다.
    • 잠재 CoT 토큰으로 3000토큰 추론을 15토큰으로 압축(200배 절감)하면서도 필요 시 복원 가능하다.
    • 실배포 A/B 테스트에서 IPV +1.28%, CTR +1.00%, GMV +3.97%, GPU 비용 52.4% 절감했다.
  11. 660Robotics

    Xiaomi-Robotics-1: Scaling Vision-Language-Action Models with over 100K Hours of Real-World Trajectories

    • 10만 시간 이상의 UMI 실제 조작 궤적에 VLM 기반 자동 라벨링 파이프라인을 적용했다.
    • 사전학습 단계에서 데이터와 모델 크기를 키울수록 성능이 일관되게 향상되는 스케일링 동작을 보였다.
    • RoboCasa365에서 57.6%로 종전 최고(46.6%)를 갱신했다.
    • 실제 로봇에서 10시간 이내 데이터로 새 작업을 평균 75% 성공률로 학습했다.
  12. 659Computer Vision

    Audio-Visual Flamingo: Open Audio-Visual Intelligence for Long and Complex Videos

    • 약 700만 캡션·QA 인스턴스로 구성된 AV-Skills 데이터셋을 공개했다.
    • 짧은 영상 인식에서 긴 영상(최대 15분) 추론까지 단계적으로 학습하는 3단계 커리큘럼을 설계했다.
    • TAVIT로 추론 중간 단계를 영상/오디오 타임스탬프에 정확히 매핑했다.
    • MMOU에서 60.2%로 동급 오픈소스 최고 성능을 기록했다.
  13. 658LLMs / NLP

    Loop the Loopies!

    • 층 단위 루핑(layer-loop) 방식을 도입해 기존 모델 전체 루핑(model-loop)보다 MoE에서 더 효율적임을 보였다.
    • 같은 컴퓨트 예산에서 vanilla 30B-A3B 모델을 능가했다.
    • AIME 92.10%, AMC 94.21%로 동급 최고 수학 추론 성능을 기록했다.
    • IMO 2025와 IPhO 2025에서 도구 없이 금메달 수준 성능을 달성했다.
  14. 657Machine Learning

    Understanding Reasoning from Pretraining to Post-Training

    • 5M~1B 파라미터 모델로 36가지 사전학습-RL 조합을 실험해, 사전학습 손실이 RL 후 성능을 예측하는 스케일링 법칙을 발견했다.
    • RL은 쉬운 문제에서는 기존 정답의 확률을 높이고, 어려운 문제에서는 SFT 때 거의 없던 정답을 끌어냈다.
    • 전체 컴퓨트 예산이 커질수록 RL에 더 많은 비중을 투자하는 것이 최적이라는 결과를 얻었다.
    • 체스뿐 아니라 수학 도메인(1B 언어모델, 10B~200B 토큰)에서도 사전학습이 길수록 RL 효율이 좋아지는 패턴이 확인됐다.
  15. 656AI / General

    Full-Pipeline Inference Optimization for MiMo-V2.5 Series: Pushing Hybrid SWA Efficiency to the Limit

    • KVCache를 Full Attention용과 SWA용으로 분리해, SWA 저장 공간을 이론 한계인 O(W)까지 압축했다 (기존 대비 ~7배 효율 향상).
    • GCache라는 RDMA 기반 분산 캐시 인프라를 구축해, 여러 노드 간 KVCache를 효율적으로 공유한다.
    • SWA-aware 프리픽스 캐시 트리를 새로 설계해, 기존 프리픽스 매칭이 SWA 환경에서 발생시키던 정확도 버그를 해결했다.
    • GPU 이미지 전처리, 병렬 비디오 디코딩(1시간 영상 156초→23초), 인코더 크로스 요청 배칭 등 멀티모달 파이프라인도 전면 최적화했다.
    • MTP(다중 토큰 예측)를 프리필 단계에서도 지원하도록 개선하여, 초기 디코딩 128 토큰에서 2.3배 가속을 달성했다.
    • NUMA 충돌 해결만으로도 엔드투엔드 성능이 약 10% 향상되는 등, 시스템 레벨 디테일이 성능에 큰 영향을 줌을 보였다.
  16. 655Machine Learning

    Concurrent Image Understanding and Generation: Self-Correcting Coupled Markov Jump Processes

    • 텍스트와 이미지를 한 번의 디코딩 과정에서 동시에 생성하며, 한쪽이 내린 결정을 다른 쪽이 검증하는 구조를 만들었다.
    • CO2Jump라는 학습 없이 바로 쓸 수 있는 샘플러를 제안했고, 이미지 편집·시각 추론 과제에서 기존 방법들을 능가했다.
    • 한 번 확정된 토큰도 증거가 바뀌면 다시 숨기는(remasking) 메커니즘을 넣어, 모순된 결과를 스스로 고친다.
    • JEdit-1M, JMaze-200K, JNono-200K 세 개의 대규모 멀티모달 데이터셋을 구축하고 공개할 예정이다.
    • 디노이징 스텝 수가 늘어날수록 성능이 지속적으로 향상되어, 크로스모달 결합의 이점이 누적됨을 보였다.
  17. 654Machine Learning

    BadWAM: When World-Action Models Dream Right but Act Wrong

    • WAM(세계-행동 모델)의 '상상'과 '행동'이 분리될 수 있다는 새로운 취약점을 최초로 발견했다.
    • 행동만 공격하는 방식은 로봇 작업 성공률을 96.5%에서 43.1%로, 절반 이하로 떨어뜨린다.
    • 상상은 보존하면서 행동만 조용히 왜곡하는 '은밀 공격'을 설계해, 기존 안전 모니터가 무력화됨을 보였다.
    • 공격이 한 WAM 변형에서 다른 변형으로 전이되며, 이 취약점이 특정 구현의 문제가 아님을 확인했다.
    • 간단한 전처리 방어로는 부족하며, 행동-상상 동기화를 직접 검사하는 새로운 안전 접근이 필요함을 시사한다.
  18. 653Machine Learning

    DeepLoop: Depth Scaling for Looped Transformers

    • 층을 공유하는 루프 트랜스포머에서 기울기 누적으로 인해 기존 DeepNorm 스케일링이 불충분하다는 것을 수학적으로 증명했다.
    • 지수를 1/4에서 1/2로 올리는 것만으로(α=(2N)^{1/2}, β=(8N)^{-1/2}) 루프가 늘어날 때 학습이 안정화된다.
    • GPT-2 small/medium 규모에서 루프 횟수가 늘어날수록 기존 방식 대비 일관된 성능 향상을 보였다.
    • ARC-AGI 추론 벤치마크에서 계층적 추론 모델(HRM)에 적용했을 때 정확도가 36.5%에서 39.75%로 올랐다 (+3.25pp).
    • 추가 파라미터 없이 스케일링 공식만 바꾸는 것이므로 적용 비용이 거의 제로다.
  19. 652Computer Vision

    Hierarchical Denoising For Multi-Step Visual Reasoning

    • 비디오 생성에서 '빠르지만 멍청한' 스트리밍 방식과 '똑똑하지만 느린' 양방향 방식의 한계를 트리 구조로 해결했다.
    • 미로 찾기, 소코반, 하노이 탑 등 6개 다단계 추론 과제에서 성공률을 34.22에서 60.29로, 76.2% 향상시켰다.
    • 스트리밍 속도는 0.70초/프레임으로 양방향 확산보다 54배 빠르면서 추론 정확도는 더 높다.
    • 학습 데이터의 2%만 써도 전체 데이터의 82.9% 성능을 유지해 데이터 효율성이 뛰어나다.
    • 실제 로봇 팔 미로 실험에서도 강건한 성공률을 보이며 물리 세계 적용 가능성을 확인했다.
  20. 651Machine Learning

    On-Policy Delta Distillation

    • 선생 모델의 최종 출력이 아니라 '학습 전후 차이'를 신호로 쓰면 추론 능력 전달이 더 정확해진다는 통찰을 제시했다.
    • 수학, 과학, 코드 3개 영역 14개 벤치마크에서 일관되게 기존 온폴리시 증류를 능가했다.
    • Qwen3(1.7B~8B)와 Gemma4 등 최신 모델에서 광범위하게 검증하여 신뢰성이 높다.
    • 추가 계산 비용이 8~28%에 불과해, 기존 증류 파이프라인에 쉽게 적용할 수 있다.
    • 델타 신호가 추론 관련 토큰('hence', 'however' 등)에 집중되는 반면, 탐색적 토큰('try', 'verify')은 억제한다는 분석을 제시했다.
  21. 650LLMs / NLP

    T^2MLR: Transformer with Temporal Middle-Layer Recurrence

    • 트랜스포머의 '생각하는 층'인 중간층만 순환 연결하면 전체 층을 반복하는 것보다 추론 성능이 더 좋아진다는 것을 보였다.
    • 전체 층의 20%만 순환시켜도 충분하며, 이는 추론 지연을 최소화하면서 추론 능력을 극대화하는 설계다.
    • 기존에 학습된 1.7B 모델에 순환 통로만 추가하고 미세조정해도 수학 추론 정확도가 크게 올라간다 (GSM8K +4.1pp, MATH500 +5.2pp).
    • 추론 시 오버헤드가 약 8%에 불과해, 실제 서비스 환경에서도 부담 없이 적용할 수 있다.
    • 학습 비용은 2~4배 정도 늘지만, 추론 효율성과 성능 향상을 고려하면 의미 있는 트레이드오프다.
  22. 649AI / General

    SearchOS-V1: Towards Robust Open-Domain Information-Seeking Agent Collaboration

    • 정보 검색을 '관계형 스키마 완성 + 인용 근거'로 정식화해 진행도를 엔티티/속성 수준에서 측정 가능하게 했다.
    • SOCM(Frontier Task, Evidence Graph, Coverage Map, Failure Memory)로 암묵적 진행 상황을 명시적 공유 상태로 외부화했다.
    • 파이프라인 병렬 스케줄링으로 에이전트 슬롯이 비면 즉시 다음 과제를 할당해 활용률을 극대화했다.
    • Search Tool Middleware Harness가 증거 추출·예산 집행·루프 감지를 에이전트 프롬프트 밖에서 처리한다.
    • GISA에서 76.5 F1로 최강 베이스라인 대비 +13.4점, WideSearch 80.3 F1로 모든 지표 1위를 달성했다.
  23. 648Machine Learning

    xHC: Expanded Hyper-Connections

    • Hyper-Connection을 N=4 너머 N=16까지 확장하는 첫 방법. 기존 mHC는 N>4에서 수익 체감이 심했다.
    • 시간적 특징 증강(인접 토큰 정보로 write-back 풍부화) + 희소 잔차 업데이트(k=4/N=16)로 비용-효율을 동시에 잡았다.
    • 18B MoE에서 mHC 대비 평균 +4.0점, vanilla 대비 +4.1% FLOPs만 추가로 큰 향상을 달성했다.
    • Scaling-law: 같은 loss에 도달하는 데 vanilla는 1.50×, mHC는 1.19×의 compute가 필요하다(xHC 기준).
    • xHC-Flash: N=16임에도 서브레이어 메모리 트래픽 40C로 mHC N=4(34C)와 비슷하다.
  24. 647Computer Vision

    WanSong v1.0 Technical Report

    • AR 기반 파이프라인을 버리고 순수 diffusion로 5분 길이 곡을 보컬+BGM 듀얼 스템으로 한 번에 생성한다.
    • 듀얼 스템 토큰: 보컬과 반주를 독립 토큰으로 모델링해 CFG로 인한 품질 저하 없이 둘 다 고품질로 생성한다.
    • 1024 압축률 VAE(기존 2048의 절반)로 미세 음향 디테일을 보존해 SI-SDR +2.86dB 향상을 달성했다.
    • RLHF로 음악성·가사 정확도·프롬프트 정렬을 최적화해 musicality 점수 5.49(Suno 4.18, Mureka 3.83)를 기록했다.
    • 6M 시간 다국어 데이터와 3단계 커리큘럼(90s→300s→SFT) 학습으로 안정적인 긴 곡 생성을 달성했다.
  25. 646Computer Vision

    MeanFlowNFT: Bringing Forward-Process RL to Average-Velocity Generators

    • MeanFlow(구간 평균 속도 예측으로 1~4스텝 생성)에 forward-process RL을 처음으로 결합했다.
    • MeanFlow identity에서 유도한 순간 속도 예측기를 경유해 DiffusionNFT 목표를 적용했다. 샘플링은 여전히 평균 속도 기반이다.
    • 이론적으로 DiffusionNFT의 정책 개선 보장을 상속함을 증명했다.
    • SD3.5-M에서 8개 지표 중 6개에서 SOTA 능가, Wan2.1 비디오에서 4스텝으로 50스텝 LongCat-Video RL(82.57)을 84.33 VBench로 능가했다.
    • 테스트 타임 스케일링(스텝 수 증가)에서도 일관된 향상을 보였다.
  26. 645Robotics

    DriftWorld: Fast World Modeling through Drifting

    • Drifting 생성 모델(단일 forward pass 생성)을 로봇 세계 모델에 처음 적용해 diffusion 대비 17배 빠른 30+ fps를 달성했다.
    • 행동 조건부 drifting field, DINOv2 특징공간 손실, 프레임별 행동 conditioning의 3가지 적응을 제안했다.
    • Push-T에서 IoU 0.635→0.781로 행동 탐색 품질을 크게 높였고, 5개 환경에서 일관된 향상을 보였다.
    • 오프라인 정책 평가 지표로도 유효해, 실제 성능과 Pearson 상관 0.92~0.99를 기록했다.
    • 빠르고 정확한 상상이 로봇 계획과 정책 평가 모두에 직접 도움을 줌을 입증했다.
  27. 644AI / General

    Harness Handbook: Making Evolving Agent Harnesses Readable,Navigable, and Editable

    • 행동 국소화(behavior localization) 문제를 정의했다: 수정 요청이 설명하는 행동이 코드 어디에 구현되어 있는지 찾는 것.
    • Harness Handbook: 코드를 파일/함수가 아닌 '행동' 단위로 재구성하고 각 행동을 소스 코드에 직접 연결한다.
    • Behavior-Guided Progressive Disclosure(BGPD): 고수준 행동 설명에서 관련 구현 디테일로 단계적 탐색을 유도한다.
    • 두 오픈소스 하네스(Codex, Terminus-2)에서 승률 38.3%/45.6%로 베이스라인(28.3%/26.7%)을 능가했다.
    • 특히 여러 파일에 걸친 수정, 드물게 실행되는 코드 경로, 모듈 간 상호작용에서 큰 이득을 보였다.
  28. 643Robotics

    Scaling Behavior Foundation Model for Humanoid Robots

    • 모션 트래킹을 통일 학습 패러다임으로 채택해, 다양한 전신 제어 문제를 참조 동작 재현으로 통합했다.
    • 온폴리시 롤아웃 양(quantity)과 참조 동작 다양성(diversity)의 시너지가 스케일링의 핵심임을 실험으로 입증했다.
    • Humanoid Transformer라는 확장 가능한 아키텍처를 도입해, 구조적 행동 표현이 자연스럽게 형성됨을 보였다.
    • 기존 휴머노이드 컨트롤러 대비 MPKPE를 local 10%, global 82% 감소시켰고, 전체 정확도 0.9836 달성.
    • 시뮬레이션과 실제 로봇 양쪽에서 검증해 실용성을 확인했다.
  29. 642Computer Vision

    Video = World + Event Stream

    • 비디오 = 세계(고정 맥락) + 사건 스트림(변화)이라는 분해를 제안해 범용 사전학습 과제를 정의했다.
    • 사건 스트림에 자유 형식 행동(괄호 안 자연어 지시)을 추가해 에이전트가 제한된 액션 셋이 아닌 open-vocabulary 행동을 하게 했다.
    • 200ms 모델 응답 지연, 550ms 전체 상호작용 지연으로 실시간 전이중 오디오-비주얼 대화를 유지한다.
    • 사전학습→다운스트림 전환의 유연성을 보여주며, 같은 스트리밍 로직으로 다양한 실시간 과제에 적응 가능함을 시사한다.
  30. 641Robotics

    RoboTTT: Context Scaling for Robot Policies

    • Test-Time Training(빠른 가중치)을 VLA 모델에 통합해 8K 타임스텝 컨텍스트를 달성했다. 추론 지연은 늘어나지 않는다.
    • 인간 영상 시연 1회만으로 새 동작을 모방(원샷 모방)하는 능력을 얻었다. 베이스라인은 전부 실패한 반면 6/10 성공.
    • DAgger Distillation으로 실시간 성능 개선이 가능해져 외란 하에서 83% 성공(기존 최고 53%).
    • 전체 작업 성공률이 단일 스텝 대비 87% 향상됐고, 5분 10단계 조립을 끝까지 완수했다(기존 어떤 모델도 불가).
    • 컨텍스트 길이를 1K→8K로 늘리자 62% 더 좋은 성과가 나왔다. 로봇에서도 컨텍스트가 스케일링 축이다.

연구에서 제품 적용까지

운영 중인 기능, 시범 적용과 개발 중인 기술을 구분해 정리했습니다.

보유기술 보기