한 로봇팔이 수천 시간 동안 나사 조이기를 배워도, 다른 구조의 팔로 옮기면 대부분 다시 가르쳐야 한다. 알리바바 Qwen 팀이 겨냥한 것은 바로 이 비용이다.
공통 동작 언어
RobotManip은 서로 다른 로봇 동작을 80차원 표준 action vector로 압축하고, 어떤 차원을 쓸지 스위치로 정한다. 카메라 시점의 상대 변위로 움직임을 설명해 다른 팔에도 통하는 공통 언어를 만든다.
핵심 숫자는 여기서 나온다. 기체 구성을 넘는 transfer 성공률은 기존 최고 7.5%에서 23.9%로 올랐다. LIBERO-Plus 91.4%, RoboTwin-C2R hard 69.4%, EBench 45.6% 등 보지 못한 테스트에서도 개선이 보고됐다.
하나가 아닌 세 모델
RobotNav는 지시 따르기, 목표 이동, 물체 찾기, 추적, 자율주행을 맡는다. RobotWorld는 고정된 Qwen2.5-VL과 20B diffusion Transformer로 로봇이 움직이기 전 미래 프레임을 상상한다.
진짜 이야기는 데이터 작업
실무적으로 중요한 부분은 데이터 정리다. 한 데이터 subset은 동작 튐, 시간 불일치, 이상값 때문에 81%가 버려졌다고 한다. 생산라인까지 옮겨간다면 가치는 더 똑똑한 데모가 아니라, 몸을 바꿔도 이동하는 skill이다.
출처: MarkTechPost, TechNode, CocoLoop; 세 Qwen 로봇 모델, 23.9% transfer 성공률, benchmark 수치, 3.81만 시간 조작 데이터, RobotManip과 RobotNav 공개 상태를 확인.