앤트그룹(Ant Group) 산하 로비앤트(Robbyant)가 로봇용 비전-언어-행동(VLA) 파운데이션 모델 ‘링봇VLA 2.0(LingBot-VLA 2.0)’을 공개했다. 이번 공개에는 기술 보고서와 아파치 2.0 라이선스 코드베이스, 60억(6B) 파라미터 체크포인트가 함께 포함됐다. 연구팀은 VLA 모델이 실험실에서는 작동하지만 실제 배치 환경에서는 자주 실패하는 잘 알려진 격차를 겨냥했다고 밝혔다. 이번 버전은 일반화 능력, 확장된 행동 공간, 예측적 동역학 모델링이라는 세 축에서 이전 버전을 개선했다.
링봇VLA 2.0은 비전-언어 백본 위에 구축된 범용 로봇 정책 모델로, 카메라 이미지와 언어 지시를 로봇 동작으로 변환한다. 백본으로는 큐원3-VL-4B(Qwen3-VL-4B-Instruct)를 사용하며, 링봇뎁스(LingBot-Depth)와 디노-비디오(DINO-Video) 두 교사 모델이 증류(distillation)를 통해 학습을 지도한다. 엔비디아 지포스 RTX 4090D 기준으로 10단계 디노이징을 적용했을 때 추론 1회에 약 130밀리초가 걸린다. 행동 전문가 모듈은 확장을 위해 전문가 혼합(MoE) 구조를 채택했다.
일반화는 데이터에서 출발한다. 연구팀은 약 6만 시간 분량의 사전학습 데이터를 정제했다. 로봇 궤적 5만 시간과 1인칭 시점 사람 영상 1만 시간으로 구성되며, 로봇 데이터는 단일 팔 장비부터 완전한 휴머노이드까지 20종의 로봇 구성을 아우른다. 원본 데이터는 로봇 약 9만 시간, 1인칭 영상 약 2만 시간으로 더 방대했으나 재설계한 파이프라인이 잡음이 많은 샘플을 걸러 고품질 집합으로 압축했다. 서로 다른 관절을 가진 로봇을 하나로 다루기 위해 상태와 행동을 55차원 표준 벡터로 통일해, 한 모델이 팔과 손, 그리퍼, 허리, 머리, 이동 베이스까지 제어할 수 있게 했다.
성능 검증은 GM-100(Great March 100) 양팔 벤치마크의 범용 설정에서 이뤄졌다. 하나의 정책을 로봇별 9개 과제로 함께 학습시킨 결과, 애자일엑스 코봇 매직(AgileX Cobot Magic)에서 진행 점수·성공률 66.2/34.4, 갤럭시아 R1Pro(Galaxea R1Pro)에서 34.6/15.6을 기록해 파이제로 5(π0.5)와 이전 버전 링봇VLA 1.0을 앞섰다. 장기 과제인 이동 조작에서도 학습 분포 내(ID)와 자세·물체를 교란한 분포 외(OOD) 설정 모두에서 파이제로 5를 넘어섰다. 정확한 물체 인식이 필요한 과제에서 개선폭이 가장 컸는데, 애자일엑스 열쇠고리 회수 과제에서는 성공률이 이전 버전 60.0에서 100.0으로 뛰었다.
사후 학습은 리로봇(LeRobot) v2.1 또는 v3.0 데이터셋을 사용하며, 제공된 예제는 로보트윈 2.0(RoboTwin 2.0)의 50개 과제에서 미세조정한다. 실제 배치 시나리오로는 아스트리봇 S1이 냉장고에 과일과 음료를 분류해 넣는 주방 이동 조작, 코봇 매직-ARX X5가 스펀지로 가스레인지 거품을 닦아내는 표면 청소, 유니트리 G1과 푸리에 GR-2 등이 그리퍼 대신 12자유도 손을 쓰는 정교한 손 제어 등이 제시됐다. 로비앤트는 논문과 모델 가중치를 함께 공개했다.
저작권자 © STORIUM 무단전재 및 재배포 금지
