최근 알리바바 그룹 산하 아메바(高德)가 오픈 월드 행동 기반 최초의 전신 파운데이션 모델 λ0을 정식 공개했다. 이 모델은 인간 행동 데이터만으로 로봇이 이동, 자세 및 양손 조작의 전신 협응을 학습할 수 있게 하여, 로봇이 '부분 동작 학습'의 한계를 완전히 벗어나도록 한다. SIMPLE 시뮬레이션 벤치마크 및 다양한 실기 평가에서 λ0은 SOTA 성능을 달성했으며, 데이터 수집 효율은 주류 방법의 약 3.4배, 실기 작업 성공률은 가장 강력한 비교 베이스라인보다 22.5% 향상되었다.
엠보디드 AI가 가정, 상점, 창고 등 개방 환경으로 점진적으로 확장됨에 따라, 로봇이 직면하는 것은 고정된 서 있는 자세에서의 단일 조작이 아니라, 전신 동작을 지속적으로 협응해야만 완료할 수 있는 복잡한 장기(long-horizon) 작업이다.
그러나 기존 기술 경로로는 로봇의 전신 협응 데이터 수집과 학습 수요를 지원하기 어렵다. 한편으로는 전통적인 실기 텔레오퍼레이션 수집이 하드웨어 장비와 인공 리셋에 크게 의존하여 확장 비용이 매우 높고, 다른 한편으로는 기존의 1인칭 시점 VLA(비전-언어-동작) 파운데이션 모델은 전신 협응 동작 정보가 대체로 결여되어 있어, 데이터가 손, 팔 등 부분적 상호작용에만 집중되는 경우가 많고 관절, 몸통, 자세 등 전신 동역학 정보가 부족하다. 장면이 열려 있고 작업이 복잡할수록, 이러한 '파편화된' 동작 학습은 로봇의 범용 능력과 동작 성공률을 제약하는 병목이 된다.
λ0은 개방 장면이 요구하는 수집 효율, 전신 협응 및 크로스 엠바디먼트 전이의 도전에 대응하기 위해 '본체 없는 전신 데이터 수집 + 소프트웨어·하드웨어 협력 휴먼-로봇 정렬'이라는 기술 경로를 처음으로 제시했다.
비용과 효율 측면에서, 본체 없는 전신 데이터 수집은 λ0이 비싼 로봇 본체 수집에 대한 강한 의존에서 벗어나게 했다. 수집자는 소비자용 장비만 착용하면 일상 환경에서 걸으면서 수집할 수 있다. 로봇 본체 수집에 비해, 이 방식은 대표 작업의 1회 시범 수집 소요 시간을 약 100초에서 29초로 단축시켰으며, 수집 효율은 기존의 약 3.4배이다.
전신 동작 학습과 정렬 측면에서, λ0은 소프트웨어·하드웨어 협력 데이터 수집 방식에 기반하여 시각, 신체 이동 및 손 조작 등 전신 동작 정보를 완전히 기록하고 정렬한 뒤, 손 상호작용, 전신 협응, 휴머노이드 본체의 3단계 훈련을 결합하여 인간의 경험을 점진적으로 로봇의 전신 제어 명령으로 변환한다. 이러한 확장 가능한 파이프라인을 바탕으로, 아메바는 500시간 분량의 오픈 월드 본체 없는 전신 데이터를 포함하는 HumanVerse-500 데이터셋을 구축했다.
(HumanVerse-500 데이터셋 구축 및 전체 통계)
휴먼-로봇 형태 차이와 엔드 이펙터 실행 편차가 가져오는 전이 난제에 직면하여, λ0은 수집, 처리 및 동작 단계에서 시점 매칭과 '거친 것에서 세밀한 것으로(coarse-to-fine)'의 동작 정렬 메커니즘을 설계하여, 전신 협응을 유지하면서 물리적 접촉 정밀도를 최적화했다.
크로스 형태 전이 및 데이터 확장성(Scaling) 측면에서, λ0은 7가지 전신 협응 및 장기 이동 조작 작업에 대해 인간 행동 데이터만으로 실기에서 제로샷 전이를 달성했다. 동시에 동일한 로봇 시범 데이터량 조건에서, 인간 전신 데이터 규모가 커짐에 따라 실제 로봇의 작업 성능이 현저히 향상될 수 있다. 이는 인간 전신 데이터를 규모화하여 축적하는 것이 휴머노이드 로봇의 실제 작업 성능을 향상시키는 효과적인 경로 중 하나임을 의미한다.
(7개 작업에서 인간 시범과 정렬된 작업 진행 상황)
알려진 바에 따르면, 이 모델 연구는 아메바와 알리 ATH 사업군이 공동으로 수행했다. 로봇이 현장에 없어도 되는 데이터 수집부터 휴먼-로봇 관측 및 동작 정렬, 그리고 실제 로봇에서의 능력 검증까지, λ0은 인간의 전신 경험이 휴머노이드 로봇으로 이어지는 완전한 파이프라인을 구축했다. 이는 로봇이 순찰 점검, 물류 등 더 많은 개방 장면에서 전신 협응 작업을 학습하고 수행하는 데 기반을 제공한다.
현재 λ0은 관련 하드웨어 구성 코드를 GitHub에 오픈소스로 공개했으며, HuggingFace에 HumanVerse 데이터 샘플을 게시하여 개발자가 직접 체험하고 연구할 수 있도록 했다.
참고
프로젝트 홈페이지: https://lambdahumanoid.github.io/
기술 보고서: https://arxiv.org/abs/2610.18950
GitHub: https://github.com/LambdaHumanoid/openlambda
HumanVerse 데이터 샘플: https://huggingface.co/datasets/lambda-humanoid/HumanVerse-500-sample
본 글은 아메바(高德)가 제공했으며, QbitAI(量子位)가 허가를 받아 전재했으며, 견해는 원저자에게 귀속된다.