로봇, 코드로 배우고 스스로 진화한다

핵심 요약

• 기존 VLA(비전-언어-동작)·WAM(세계-동작) 모델은 관찰과 지시를 직접 로봇 동작으로 변환하지만, 레이아웃이나 시점이 조금 바뀌어도 실패하고 지시 일반화가 떨어진다.
• 근본 원인은 표현 방식에 있다: 작업 요구사항·조건·진행·실패 복구가 동작 수열에 암묵적으로 인코딩돼 검사하거나 수정하기 어렵다.
• 논문은 디지털 코딩 에이전트의 방식을 물리 로봇에 적용하는 'Physical Coding'을 제안한다: LLM이 도구를 호출하고 결과를 검증한 뒤 피드백으로 실행 가능한 코드를 수정하는 방식이다.
• 'Code as World'로 객체·관계·제약·진행을 기록하고, 'Code as Policy'로 계획·검증·복구·실행을 체계화한다.
• HexaAnything은 지각·계획·제어 도구를 호출하며 외부 피드백으로 루프 내 결정을 내리고, 검증된 실행 흔적이 데이터와 메모리가 돼 도구와 파라미터에서 모델 가중치·아키텍처·하드웨어·작업 설계까지 진화한다.
• RoboCasa365에서 HexaAnything이 XR-1 VLA보다 미학습 환경 성공률과 전체 성공률을 개선했고, Harness 학습 HexaModel이 모든 데이터 분할에서 기본 모델을 능가했다.
• PhyBench와 이족 로봇에서 물리 실험과 대부분의 탁상 작업을 자율 완수했으며 공개된 결과보다 빠를 때가 많았다.
• 데이터·모델·도구의 자체 진화가 관찰됐으며, 향후 가중치 내재화·아키텍처·언어·표현·작업의 자율 재설계·제조업과 과학 분야 배포를 목표한다.