로봇 조작용 기초 모델 ACE-Brain-0.6 공개
원제 ACE-Brain-0.6: Scaling Spatial Grounding for Physical Foundation Models
추천 13댓글 2
Key Point
로봇 작업용 오픈 모델이 상용 대형 모델과 경쟁할 수 있는 수준에 도달했으며, 그라운딩 데이터 확장이 구현화 AI의 성능을 개선하는 핵심 경로임을 실증했다.
핵심 요약
- 일반 목적 멀티모달 모델들이 구현된 로봇 조작에서 우수한 성능을 보이는 이유는 강한 공간 지각 능력 때문으로, 시각적 방해물 속에서 작업 관련 물체와의 상호작용 위치를 정확히 파악한다.
- 공간 지각은 고수준 추론을 물리 장면에 연결하는 역할을 하므로, 연구진은 시각 그라운딩을 확장하여 구현화된 조작의 지각적 기반을 강화하는 방법을 조사했다.
- 로봇 조작 기록과 다양한 출처의 보충 시각 데이터를 결합하는 통합 데이터 파이프라인을 개발했으며, 로봇 기록을 자동으로 주석 처리한 후 검증 가능한 그라운딩 지도학습으로 변환했다.
- 이 파이프라인으로 생성된 약 150만 개 샘플로 Qwen3.5-9B를 미세조정하여 ACE-Brain-0.6을 만들었다.
- ACE-Brain-0.6은 공개 그라운딩 벤치마크 7개 중 4개에서 GPT-6 Astra를 능가했으며, 전체 평균 점수는 75.41로 Astra의 73.68을 초과했다.
- 동일한 Qwen3.5-9B 미세조정 조건 하에서 연속적인 데이터 릴리스를 통해 더 광범위한 그라운딩 시나리오를 포함하도록 훈련 컬렉션을 확대하면 그라운딩 성능이 꾸준히 개선된다.
- 다양한 출처의 검증 가능한 그라운딩 지도학습을 확장하면 일반 구현화된 조작을 위한 개방형 9B 모델의 공간 지각을 강화할 수 있음을 보여준다.