중국이 로봇에 사고 속도가 느린 뇌를 탑재한 뒤, 이를 무료로 배포했다

상하이 혁신 연구소(Shanghai Innovation Institute)는 AgiBot과 공동으로, 40,115시간 분량의 실제 로봇 코퍼스를 통해 훈련되었으며 구글 및 Physical Intelligence의 기준 모델보다 우수한 최첨단 성능을 보인다고 주장하는 장기 전망 비전-언어-행동 모델인 τ0-VLA를 공개했으며, 가중치와 훈련 방법도 함께 제공했다. 이 모델은 ‘구현형 AI(embodied AI)의 잠재적인 ‘딥시크(DeepSeek)’ 순간’으로 자리매김했으며, 채택 지표(포크, 다운로드)가 주목해야 할 검증 기준으로 꼽혔다.

A
2분 소요Posted: 2026년 7월 28일
중국이 로봇에 사고 속도가 느린 뇌를 탑재한 뒤, 이를 무료로 배포했다

챗봇을 혁신적으로 변화시킨 ‘추론 혁명’이 로봇의 몸으로 구현되었으며, 중국이 이를 무료로 배포하고 있다. 상하이 혁신 연구소(Shanghai Innovation Institute)와 AgiBot의 신체 기반 연구 센터(Embodied Research Center)는 7월 27일, 작업 중 어려운 순간에 잠시 멈춰 숙고하는 로봇 파운데이션 모델인 ‘τ0-VLA’를 공개하고, 관련 논문, 코드, 가중치를 GitHub와 Hugging Face에 오픈소스로 공개했습니다.

이번 공개는 신체 기반 AI 연구소 전반에 파장을 일으킬 두 가지 주장을 담고 있다. 첫째, 개발자들의 설명에 따르면 τ0-VLA는 하위 과제 결정 단계에서 테스트 시간 컴퓨팅을 명시적으로 확장하는 최초의 비전-언어-행동(vision-language-action) 시스템으로, OpenAI의 o1이나 DeepSeek의 R1과 같은 추론 모델의 ‘느린 사고’ 패러다임을 물리적 조작 분야에 도입했다. 둘째, 이 시스템은 20,000시간 이상의 실제 로봇 상호작용 데이터를 포함해 총 40,115시간 분량의 이종 실제 로봇 데이터로 사전 훈련되었으며, 연구팀은 이를 현재까지 구축된 가장 방대한 실제 로봇 사전 훈련 코퍼스라고 설명합니다. 직접 비교 방식의 장기 평가에서, 이 통합 시스템은 평균 과제 성공률을 27.5%에서 45.0%로 끌어올렸으며, 연구팀의 테스트 환경에서 엔비디아(Nvidia)의 GR00T N1.7, LingBot-VLA, 피지컬 인텔리전스(Physical Intelligence)의 π0.5를 모두 능가했습니다.

이 아키텍처는 ‘2단 속도 뇌’로 구성된다. 비전-언어 백본을 기반으로 하며, Mixture-of-Transformers 액션 전문가와 조건부 흐름 매칭을 갖춘 저수준 정책 시스템은 연속적인 액션 청크를 빠르고 반사적으로 실행한다. 그 위에는 하위 작업 경계에서 활성화되는 고수준 의사결정 시스템이 위치한다. 제안 모델(Propose Model)은 다음 단계 후보를 생성하고, 세계 모델(World Model)은 각 후보의 시각적 최종 상태를 예측하며, 가치 모델(Value Model)은 이를 점수화하고, 반성 모델(Reflective Model)은 빔 검색(beam search)을 통해 최종 선택을 도출한다. 로봇은 사실상 여러 가지 미래 시나리오를 상상하고, 이를 평가한 후에야 비로소 모터를 작동시킵니다.

사고
중요한 순간에는 더 오래

일반 독자들에게 비유하자면, 체스판 앞에 앉은 체스 선수와 같습니다. 대부분의 수순은 패턴과 습관에 따라 몇 초 만에 결정되지만, 중반전의 중대한 결정에는 10분 동안 집중적으로 계산하는 시간이 소요됩니다. τ0-VLA도 이와 같은 방식으로 계산 자원을 배분합니다. 연구팀은 모든 단계에 지나치게 많은 시간을 할애할 경우 효율이 떨어지는 것을 발견했습니다. 따라서 동적 라우팅 메커니즘은 어려운 노드에서만 심층적인 사고를 유도함으로써, 로봇의 반응성을 유지하면서도 성공을 좌우하는 결정적인 순간을 위해 가장 복잡한 추론 능력을 아껴둡니다.

선별된 데모 영상에만 집착하는 이 분야에서, 이 설계에 제시된 수치들은 유난히 구체적이다. 다음 하위 작업 예측에서, 이 시스템은 13단계 버블티 준비에서 87.3%, 분포 내 책 정리에서 88.0%, 분포 외 변형에서 74.0%, 25단계 방 청소에서 87.0%의 정확도를 기록했다. 테스트 시점 추론 기능이 활성화되자, 실제 로봇을 대상으로 한 폐쇄 루프 성공률은 버블티의 경우 10회 시도 중 5회에서 7회로, 책 정리에서는 10회 중 6회에서 9회로, 방 청소에서는 10회 중 5회에서 7회로 각각 상승했다. 평가 세트 자체만으로도 이 프로젝트의 야심찬 목표를 엿볼 수 있습니다. 25단계 방 청소, 14단계 음식 준비, 22단계 토마토와 달걀 볶음 등 3분에서 12분까지 소요되는 과제들을 AGIBOT G1, ARX AC One, 그리고 듀얼 암 Franka Research 3 플랫폼에서 각각 10회씩 수행했습니다. 엔드 이펙터 자세, 관절, 그리퍼, 허리, 이동식 베이스 등을 포괄하며 사용되지 않는 차원은 마스킹 처리된 통합된 40차원 상태 및 행동 공간을 통해, 하나의 모델로 서로 다른 로봇 본체를 제어할 수 있습니다. 단기 교차 구현 과제에서 저수준 시스템만으로도 의류 수집 과제에서 10점 만점에 10점을 포함해 거의 완벽한 점수를 기록했습니다.

주요 결과는 점수표 형태로 요약되어 있으며, 그 배경이 되는 데이터가 공개되어 있어 이례적으로 검증하기 쉬운 특징을 보인다.

uploaded image

이러한 수치 뒤에 숨겨진 데이터 코퍼스는 아키텍처만큼이나 주목할 만합니다. 4만 시간에 달하는 실제 로봇 운영 경험은 인터넷에서 무작위로 수집된 것이 아닙니다. 이는 인력이 상주하는 시설에서 시간 단위로 직접 축적된 것으로, 인간 운영자가 가정용 및 산업용 일상 작업을 수행하도록 로봇을 원격 조종하고, 휴대용 UMI 그리퍼와 공개 데이터셋을 통해 보완된 결과물입니다. AgiBot은 2024년부터 바로 이러한 종류의 데이터 공장을 구축해 왔으며, 이번 출시를 통해 공장 자체는 비공개로 유지하면서도 그 산업적 투자의 결실을 효과적으로 공개하고 있습니다. 이는 다른 누구도 보유하지 않은 원유의 품질을 입증하기 위해 휘발유 샘플을 무료로 제공하는 정유소와 같은, 구현형 AI의 사례라고 할 수 있습니다.

실무자들이 면밀히 연구할 세 번째 구성 요소가 있습니다. 바로 로봇이 작업하는 동안 완료된 단계, 제약 조건, 국부적 오류를 기록하는 ‘수정 가능한 실행 메모리’입니다. 연구팀은 고의로 손상된 샘플, 즉 오류를 지연시키거나 앞당기거나 생략하는 메모리로 이를 훈련시켰습니다. 이를 통해 배포된 시스템은 추가적인 수동 주석 없이도 자체 기록을 신뢰하지 않고 수정하는 법을 학습합니다. 로봇이 실패한 집기 동작을 끝없이 반복하는 모습을 본 사람이라면 누구나 이것이 어떤 문제를 해결하는지 알 수 있을 것이다. 긴 작업의 실패는 첫 번째 단계에서 발생하는 것이 아니라, 기계가 무엇을 수행했고 무엇을 수행하지 않았는지 파악하지 못하게 되는 열한 번째 단계에서 발생한다.

관대함 뒤에 숨은 전략

왜 이를 공개했을까? 이번 공개는 일련의 계보와 선순환 구조에 부합한다. 상하이 혁신 연구소의 루오 지안란(Luo Jianlan) 팀은 지난 6월, 실제 환경 강화 학습 사후 훈련 시스템인 LWD와 함께 세계 모델인 τ0-WM을 발표한 바 있습니다. τ0-VLA는 대규모 사전 훈련과 사후 훈련 데이터 플라이휠로 구성된 파이프라인을 완성합니다. AgiBot의 경우, 이 회사는

이달 초 홍콩 상장을 위해 3개 은행을 선정한 것처럼, 최첨단 연구를 오픈소스로 공개하는 것은 알리바바가 ‘Qwen’을 통해 펼쳤던 전략과 동일합니다. 즉, 모델 계층을 상품화하고, 그 위에 있는 하드웨어, 데이터 서비스, 배포 스택을 통해 수익을 창출하며, 수천 개의 외부 팀이 자사의 아키텍처를 검증하게 하는 동시에 상장 스토리에서 이러한 인용 사례를 활용하는 것입니다. 4만 시간 분량의 코퍼스는 이 무료 제공이 내세우는 경쟁 우위입니다. 가중치는 복제할 수 있지만, 원격 조작 장비, UMI 기기, 인력이 상주하는 수집 시설로 구성된 데이터 엔진은 복제할 수 없기 때문입니다.

회의적인 시각에 대해서도 한 단락을 할애할 가치가 있다. 장기 과제에서 45%의 평균 성공률은 연구상의 이정표일 뿐, 실제 배포 가능한 제품은 아니다. 볶음 요리의 절반을 망치는 로봇을 받아들이는 호텔은 어디에도 없을 것이다. GR00T, LingBot-VLA, π0.5를 상대로 거둔 벤치마크 승리는 해당 팀이 자체적으로 설계한 평가 방식에서 비롯된 것이며, 이는 이 분야의 모든 자체 보고 비교 결과에 적용되는 주의사항이다. 또한 Physical Intelligence의 최신 모델인 π0.7은 추론 측면이 아닌 훈련 데이터 측면에서 동일한 장기 과제를 해결하려 시도하는데, 이는 단일 연구실의 벤치마크 결과만으로는 결론 내릴 수 없는 패러다임 간의 경쟁이다. 테스트 시점의 숙고는 지연 시간과 로봇 내 연산 자원을 소모하며, 논문 자체에서 제시한 ‘수익 감소’ 현상은 더 깊이 생각하는 것이 공짜 점심이 아님을 시사한다. 이번 발표가 입증한 바는 더 좁은 범위이긴 하지만 여전히 중요하다. 언어 모델에 혁명을 일으킨 추론 시간 스케일링 법칙이 조작 분야로도 적용되며, 그 비결이 이제 공개되었다.

산업적 맥락에서 그 중요성은 더욱 부각된다. 지치지신(Jiqizhixin)은 이번 발표를 WAIC 이후 업계에 드리워진 의문, 즉 로봇이 단일 기술 시연에서 벗어나 전체 작업을 완수할 수 있을지에 대한 해답으로 제시했다. 이러한 해석은 구매자들이 본 매체에 끊임없이 전하는 내용과 일치한다. 즉, 조달이 지연되는 이유는 로봇이 물건을 잡을 수 없어서가 아니라, 작업을 끝까지 완수할 수 있다고 믿을 수 없기 때문이다. 전체 작업 완료율을 두 배로 높여주며, 어떤 통합업체라도 다운로드할 수 있는 모델이

오늘 밤, 이 영상은 그 어떤 백플립 영상도 결코 해낼 수 없는 방식으로 신뢰의 지표를 움직입니다.
한쪽만 달리는 오픈소스 경쟁

서구 연구소들이 우려해야 할 것은 더 큰 흐름이다. 단 한 달인 7월 동안 중국 기관들은 휴머노이드 하드웨어 설계, 에코백스(Ecovacs)의 가정용 로봇 플랫폼, 그리고 이제는 훈련 레시피까지 포함된 국가 지원 최첨단 VLA를 오픈소스로 공개한 반면, 미국의 선도적인 로봇 두뇌 기업인 피지컬 인텔리전스(Physical Intelligence), 스킬드(Skild), 피규어(Figure)는 자신들의 최고 모델을 비공개로 유지하며 수십억 단위의 기업 가치를 유지하고 있다. 한 전략은 생태계와 표준을 구축하는 것이고, 다른 전략은 마진을 확보하는 것이다. 둘 다 효과가 있을 수 있지만, 그 파급 효과는 서로 다르다. 올가을 τ0-VLA를 미세 조정하는 모든 대학 연구실은 중국어권 연구 스택의 일부가 되어, 중국 로봇을 기준으로 벤치마킹을 수행하며, 그 개선 결과를 다시 중국 데이터 플라이휠에 환원하게 될 것이다.

주목해야 할 점은 채택 현황이며, 오픈 소스 덕분에 이를 측정할 수 있게 되었다. 다음 달 GitHub 포크 수와 Hugging Face 다운로드 수는 τ0-VLA가 체화형 AI의 ‘Qwen 모멘트’가 될지, 아니면 잘 기록된 호기심의 대상이 될지를 보여줄 것이다. 또한, 주장된 실제 로봇 데이터 기록이 경쟁사들의 정보 공개를 촉발할지 여부도 지켜봐야 합니다. 코퍼스 규모는 이제 막 경쟁 지표가 되었으며, 40,115시간은 이제 타파해야 할 기록이 되었습니다. 그리고 AgiBot의 투자자들에게 있어, 이 시기는 그 자체로 하나의 메시지입니다. 기업공개(IPO)를 공식화한 지 3주 만에, 이 회사는 자사의 연구 부문이 최첨단 의제를 설정할 수 있을 뿐만 아니라 그 결과를 공개할 여유도 있음을 입증했습니다. 이는 단순한 일정의 우연이 아닙니다. 이는 한 기업이 공개 시장 투자자들에게 로봇 경제의 어느 영역을 장악할 의도가 있는지 알리는 신호입니다. 이 분야의 다른 모든 이들에게 실질적인 시사점은 더 간단합니다. 이번 주를 기점으로, 장기적인 로봇 조작을 위한 가장 강력한 공개 레시피는 중국산이며, 개방적이고 무료입니다. 이를 달리 가정했던 모든 로드맵에는 이제 각주가 필요해졌습니다. 지난번에는

중국 연구소가 이 수준의 최첨단 기술을 공개했는데, 이는 ‘DeepSeek R1’로 불렸으며, 업계는 그 여파에 대응하기 위해 이후 6개월 동안 구조를 재편해야 했다.


본 기사는 정보 제공을 목적으로 하며, 투자 조언을 구성하지 않습니다. 독자들은 투자 결정을 내리기 전에 스스로 조사를 수행해야 합니다.