지금은 인공지능 시대(지인시) 심볼지금은 인공지능 시대
논문 브리핑

5520억 파라미터 ScaleVLA, 로봇 시범 10개로 50개 학습 모델 앞섰다

한경모글 · 한경모
양팔 로봇이 충전기를 집어 옮긴 뒤 멀티탭 소켓에 플러그를 맞춰 끼우는 실험 장면
양팔 로봇이 충전기를 집어 옮긴 뒤 멀티탭 소켓에 플러그를 맞춰 끼우는 실험 장면
로봇에게 동작을 더 많이 보여주는 대신, 이미 세상을 폭넓게 학습한 AI를 붙이면 어떨까. 칭화대·베이징대·상하이교통대·Galbot 연구진이 11월 16일 공개한 ScaleVLA는 이 질문을 5520억 파라미터 규모로 시험했다. 핵심은 로봇 학습의 비용 계산에 사람의 시범 데이터와 대형 모델의 연산 자원을 함께 넣어야 한다는 것이다. ScaleVLA는 이미지와 지시를 처리하는 DeepSeek-V4.1-Flash에 실제 움직임을 만드는 행동 생성 모듈을 연결한 시각·언어·행동 모델(VLA)이다. 기반 모델의 가중치는 고정하고 행동 생성부 등을 학습하며, 매번 문장으로 추론하지 않고 내부 특징을 동작으로 바꾼다. 행동 생성부는 잡음에서 출발해 네 단계에 걸쳐 여러 동작을 묶어 만들고, 그동안 같은 시각·언어 특징을 재사용한다. 이는 엔비디아 GR00T 계열의 행동 생성 구조를 잇는 접근으로, 연구계가 탐색해 온 '사전학습 지식을 로봇 제어에 재활용한다'는 방향을 크게 확장했다. 논문 원문 연구진은 행동 생성 구조와 학습 예산 등을 맞추고 20억~5520억 파라미터 기반 모델을 비교했으며, 핵심 결과는 세 가지다.
  • 데이터 효율: LIBERO-Goal에서 과제당 시범 10개로 성공률 87.8%를 기록해, 50개를 학습한 20억 모델의 85.6%를 넘었다.
  • 환경 적응: 물체나 환경을 바꾸는 LIBERO-PRO에서는 평균 45.1%로, 작은 모델 중 최고치인 31.3%를 앞섰다.
  • 정밀 조작: 실제 충전기 삽입의 기준 배치 실험에서 10회 중 9회 성공해, 20억 모델의 4회를 웃돌았다. 실험 결과
이 결과에서 눈여겨볼 대목은 물건을 집는 능력보다 접촉 순간의 정렬과 삽입에서 차이가 났다는 점이다. 한국 제조 현장에 대입하면, 부품 위치를 알아보는 단계에서 한발 더 나아가 실제로 맞물리게 만드는 작업의 학습 부담을 줄일 가능성으로 읽힌다. 다만 이 가능성을 곧바로 공장 도입 효과로 환산할 수는 없다. 가장 강한 반론은 'GPU를 더 쓰면 당연히 유리한 것 아닌가'라는 비용 문제다. 실제로 RoboCasa에서 행동 묶음당 지연 중앙값 약 216ms를 내는 데 H200 GPU 4개를 썼고, 작은 모델들은 1개를 사용했다. 그럼에도 실제 로봇의 성공한 실험만 비교하면 ScaleVLA는 추론이 더 느리면서도 작업 완료 중앙값이 114.4초로, π0.5 기반 비교 모델의 132초보다 짧았다. 지연·실기 평가 이는 연산 한 번의 속도만으로 생산성을 평가하면, 정렬을 잘해서 아끼는 작업 시간을 놓칠 수 있다는 뜻이다. 물론 기반 모델의 계열과 사전학습이 달라 성능 향상을 파라미터 수만의 효과로 분리할 수 없고, 실제 로봇 실험도 소수 시행에 그친다. 따라서 후속 검증은 다양한 부품과 배치에서 반복하면서 시범 수집비, GPU 운영비, 실패 복구 시간을 함께 재는 방향이어야 한다. 이번 연구가 던지는 경쟁의 질문은 누가 가장 큰 로봇 AI를 갖췄느냐보다, 누가 성공한 작업 한 건의 총비용을 가장 낮추느냐에 가깝다.
인사이트

ScaleVLA는 대형 모델의 연산비를 더 지불해 로봇 시범 데이터와 작업 시간을 절약할 가능성을 보여준다. 상용화의 판단 기준은 모델 크기나 추론 속도보다 성공한 작업 한 건의 총비용이 되어야 한다.

자주 묻는 질문

시범 10번만 보여주면 무슨 일이든 할 수 있어?
아니다. 시범 10개로 성공률 87.8%를 기록한 결과는 LIBERO-Goal에서 과제별로 평가한 수치이며, 임의의 새 작업까지 보장하지 않는다. [논문 실험](https://arxiv.org/html/2611.21607v1#S4)
5520억 파라미터를 매번 전부 계산하는 거야?
아니다. 기반 모델은 일부 전문가만 활성화하는 MoE 구조이며, ScaleVLA는 텍스트 생성용 디코더를 실행하지 않고 중간 특징을 활용한다. 5520억은 원래 기반 모델의 전체 파라미터 수다. [모델 구조](https://arxiv.org/html/2611.21607v1#S3)
충전기 삽입 성공률 90%면 바로 현장에 써도 돼?
그 수치는 학습 때와 가까운 기준 배치에서 10회 중 9회 성공한 결과다. 충전기나 멀티탭의 위치 등을 바꾼 조건에서는 15회 중 8회 성공했으므로, 다양한 현장에서의 안정성은 추가 검증이 필요하다. [실제 로봇 평가](https://arxiv.org/html/2611.21607v1#S4.S5)
공유XTelegram

이 기사 어땠어요?

피드백을 남겨주시면 더 나은 맞춤 추천을 만듭니다.

이런 뉴스를 매일 받아보세요

매일 아침 7시, 그날의 정리를 이메일과 Telegram으로 받아보세요.