런웨이(Runway)가 로봇용 "월드 액션 모델" Praxis-1의 가중치를 Apache 2.0 라이선스로 공개했다. 상업적 이용도 허용된다. 이 모델은 9월에 처음 공개됐지만 당시에는 파트너 기업만 써볼 수 있었다. 이제는 로봇 개발자와 연구자라면 누구나 내려받아 배포하고 파인튜닝할 수 있다.
Praxis-1은 270억 파라미터 규모의 혼합 전문가(MoE) 확산 트랜스포머다. 특징은 영상과 동작을 함께 예측한다는 점이다. 모델이 이후 몇 프레임의 화면을 추론하는 동시에 로봇이 어떻게 움직여야 하는지도 출력한다. 대규모 영상으로 먼저 사전학습을 한다. 런웨이는 설명에서 한 가지 발견을 언급했다. 웹 영상으로 사전학습한 경우와 원격 조종 로봇 영상으로 사전학습한 경우, 최종적으로 얻는 정책의 성능이 비슷했다는 것이다. 학습 데이터가 구체적으로 얼마나 되는지는 공개되지 않았다.
비슷한 모델과 나란히 놓고 보면
런웨이가 인용한 것은 엔비디아 RoboLab-120 리더보드의 성적이다. 집계 기준은 1200개 에피소드이며, 데이터는 2026년 11월 기준이다.
| 모델 | RoboLab-120 성공률 |
|---|---|
| Praxis-1 | 46.2% |
| FLUX 3 Action | 42.9% |
| Cosmos3 Nano | 36.8% |
| π0.5 | 28.0% |
1위와 2위의 차이는 3.3%포인트이고, π0.5와는 18.2%포인트 벌어진다. 경쟁 모델들의 출신은 제각각이다. Cosmos 시리즈는 이 리더보드를 운영하는 엔비디아의 모델이고, π0.5는 로봇 파운데이션 모델을 전문으로 하는 Physical Intelligence에서 나왔다. 영상 생성 기업의 모델이 반도체 기업과 로봇 스타트업의 모델보다 앞섰다. 적어도 이 리더보드에서는 "먼저 화면 예측을 배우고, 그다음 동작을 배운다"는 접근이 성과를 낸 셈이다.
또 다른 성적은 SimplerEnv에서 나왔다. 학습 때 보지 못한 RT-1 로봇에서 파인튜닝한 뒤 Praxis-1의 성공률은 80.0%였고, RT-1의 원래 정책은 52.4%였다. 이 수치와 리더보드 성적은 모두 런웨이와 파트너사가 발표한 것이며, 현재까지 독립적인 재검증은 확인되지 않았다.
46.2%라는 성공률은 로봇 분야에서 낮은 편은 아니지만, 절반이 넘는 에피소드에서는 과제를 완수하지 못했다는 뜻이기도 하다. 발표에는 1200개 에피소드를 합산한 전체 성공률만 있을 뿐, 어떤 과제가 수치를 끌어올리고 어떤 과제가 발목을 잡았는지는 나뉘어 있지 않다. 생산 라인에 적용하려는 제조사에게는 종합 순위보다 개별 과제의 안정성이 더 중요하다. 이 부분은 가중치가 공개된 뒤 커뮤니티가 직접 돌려서 확인해야 한다.
파트너사는 이미 실기에 탑재
가중치를 공개하기 전에 파트너 세 곳이 자사 하드웨어에서 먼저 테스트를 마쳤다. Noble Machines의 휴머노이드 로봇, Standard Bots의 6축 산업용 로봇 팔, 그리고 Ultra의 쌍팔 물류 창고 로봇이다. 세 가지 형태는 서로 크게 다르지만, 런웨이는 LoRA 적응만으로 새로운 기체, 카메라, 과제에 연결할 수 있고 모델 전체를 다시 학습할 필요가 없다고 설명한다.
"With LoRA you can adapt it to your own embodiment, cameras and tasks without retraining the full model."(LoRA를 쓰면 모델 전체를 다시 학습하지 않고도 자신의 기체, 카메라, 과제에 맞출 수 있다.)
구동 환경으로 런웨이가 꼽은 엔비디아 하드웨어에는 H100, B200, RTX 5090, RTX PRO 6000, 그리고 로봇 본체에 탑재하는 Jetson Thor가 있다. RTX 5090 같은 소비자용 그래픽카드가 포함돼 있어 소규모 팀도 로컬에서 돌려 실험해 볼 수 있다. 다만 필요한 VRAM 용량이나 온디바이스 추론에서 몇 프레임까지 나오는지는 설명에 나와 있지 않다.
어디서 받나
가중치와 코드는 각각 GitHub의 runwayml/praxis-1-oss와 Hugging Face의 runwayml/praxis-1에 올라와 있으며, 후자는 Hugging Face의 LeRobot 프레임워크를 기본 지원한다. vLLM-Omni와 Reactor 호스팅 추론도 연동됐고, 엔비디아 NeMo Automodel은 후속 학습 튜토리얼을 제공한다. 양산 배치를 계획하는 팀은 런웨이의 로봇 팀에 직접 문의하라는 안내가 나와 있다.
런웨이의 지난 몇 년간 주력 사업은 영상 생성이었다. Gen 시리즈에서 월드 모델로 이어 온 이 회사가 로봇 팔과 휴머노이드에 올릴 수 있는 모델을 무료로 풀었다는 것은, 영상 사전학습으로 쌓은 역량을 로봇 업계에 그대로 넘긴 것이나 마찬가지다.
참고 출처: CocoLoop, 런웨이 공식 발표(파라미터 수, 라이선스, RoboLab-120 및 SimplerEnv 성공률과 집계 기준 확인), 런웨이 개발자 페이지의 Praxis-1 소개.