논문 브리핑
GPT-6 로봇 점수 29.7→50.3, JustRUA가 바꾼 건 모델 밖이었다
글 · 한경모
로봇이 물건을 제대로 집지 못한다면, AI를 더 훈련시키는 것이 첫 번째 해법일까.
11월 11일 공개된 JustRUA 논문에서 Zefan Wang 등 연구진은 GPT-6 Astra를 둘러싼 실행 소프트웨어를 바꿔 RoboDojo 평가 점수를 29.7에서 50.3으로 높였다고 보고했다.
핵심은 새 모델 개발보다 기존 모델에 무엇을 보여주고, 얼마나 움직인 뒤 다시 관찰하게 할지에 있었다.
이 결과는 로봇의 지능을 모델 이름만으로 평가하면 실제 성능을 만드는 중요한 변수를 놓칠 수 있다는 경고다.
연구 대상인 robot-use agent는 카메라 영상을 보고 집게의 목표 위치를 정하며, 별도의 경로 계획기가 그 결정을 로봇 팔의 움직임으로 바꾸는 구조다.
모델과 로봇 사이에서 관측·명령·피드백을 연결하는 실행 장치를 논문은 ‘하네스’라고 부른다.
최근 관련 연구가 깊이 정보와 시연, 자체 작성 기술 라이브러리를 추가하며 성적을 끌어올렸지만, 실행 환경과 평가 과제까지 달라 어느 요소가 효과를 냈는지 비교하기 어려웠다.
JustRUA는 같은 실험 틀에서 설계를 단계적으로 바꿔 이 문제를 파고들었으며, 핵심 비교는 다음과 같다.
- 관측: 현재 작업의 전체 이력을 유지하고 동작을 짧게 끊자 점수가 29.7에서 38.0으로 올라갔다.
- 제어: 한 번에 최대 20개 제어 단계, 약 0.8초만 움직이게 해 잘못된 동작을 다음 관찰에서 수정할 기회를 만들었다.
- 공간: RGB 영상으로 추정한 깊이와 좌표 계산을 활용했으며, 최종 구성은 의사결정 횟수 제한도 해제했다.
인사이트
로봇의 성능은 모델 자체뿐 아니라 관찰과 행동을 연결하는 소프트웨어에도 달려 있다. 모델을 바꿨다는 발표와 실행 조건을 바꿨다는 발표를 구분해야 기술 경쟁력을 제대로 판단할 수 있다.
자주 묻는 질문
- 50.3점이면 작업 절반을 성공했다는 뜻이야?
- 아니다. RoboDojo 종합 점수는 부분 수행에도 점수를 부여하며, 논문이 보고한 최종 구성의 성공률은 별도 지표로 43.3%다. [평가 결과](https://arxiv.org/html/2611.16009v1#S3)
- 로봇용으로 GPT-6를 다시 학습시킨 거야?
- 연구진은 별도의 학습된 제어 정책이나 과제별 튜닝 없이 실행 구조를 개선했다고 설명한다. 전체 작업 이력, 짧은 동작, 공간 정보와 좌표 계산을 결합했다. [연구 개요](https://arxiv.org/html/2611.16009v1#S1)
- 그럼 공장 로봇에도 바로 적용할 수 있어?
- 이 연구만으로 현장 적용 가능성이 입증되지는 않는다. 시뮬레이션 평가 결과이므로 실제 하드웨어의 오차와 처리 지연, 안전성과 비용을 별도로 검증해야 한다. [논문 원문](https://arxiv.org/html/2611.16009v1)
이 기사 어땠어요?
피드백을 남겨주시면 더 나은 맞춤 추천을 만듭니다.