Shanghai AI Lab W0, 월드 모델에 촉각을 더하다…시험대는 물리 법칙

보도에 따르면 Shanghai AI Lab은 9월 14일 W0를 공개했으며, Shanghai AI Lab W0 모델을 물리 로봇의 힘과 촉각 이해에 초점을 맞춘 모델로 제시했다.

이러한 초점은 월드 모델에 구체적인 시험대를 제시한다. 그리퍼가 물체를 누르거나, 미끄러지거나, 휘거나, 파손할 때 어떤 일이 일어나는지 예측하는 일은 그럴듯한 영상을 생성하는 것과는 다르다.

W0는 이미 비전 전용 시스템을 넘어서는 로보틱스 경쟁에 진입한다. 연구자들은 접촉을 표현하고, 물리적 결과를 예측하며, 작은 오류가 실패로 이어지기 전에 로봇이 행동을 조정하도록 돕는 모델을 점점 더 원하고 있다.

현재 공개 보도는 출시와 힘·촉각 중심의 방향성을 뒷받침한다. 그러나 성능을 판단하는 데 필요한 상세 문서는 여전히 제한적이다. 공개적으로 접근 가능한 자료에는 아직 완전한 모델 카드, 학습 데이터 구성, 표준화된 독립 평가가 제공되지 않는다.

이 검증 공백은 중요한 문제다. 물리적 상호작용에서는 잘 다듬어진 시연이 감출 수 있는 오류가 드러나기 때문이다. 생성된 장면은 그럴듯해 보여도 마찰, 힘, 운동량 또는 변형을 잘못 산출할 수 있다.

따라서 핵심 경쟁 구도는 Shanghai AI Lab과 특정 한 기업 간의 대결이 아니다. 접촉을 측정 가능한 과정이 아니라 눈에 보이는 사건으로 다루는 경우가 많은 비전 중심 월드 모델과, 힘에 기반한 물리 모델링 간의 경쟁이다.

Google DeepMind의 Genie 연구는 더 폭넓은 비전 중심 경로를 보여준다. 이 interactive world model은 프롬프트로부터 탐색 가능한 환경을 생성한다. 보도된 W0의 강조점은 다른 요구사항을 가리킨다. 로봇은 상호작용의 시각적 외형뿐 아니라 그 안에서 발생하는 힘까지 추론해야 한다.

이 차이 때문에 W0는 주목할 가치가 있다. 동시에 Shanghai AI Lab이 충족해야 할 기준도 높아진다.

Shanghai AI Lab W0, 비전만으로는 부족해지는 순간을 겨냥하다

중요한 변화는 외형만으로는 불완전한 증거만 제공하는 물리 세계 모델링에서, W0가 힘과 촉각을 일부로 만들려는 것으로 보인다는 점이다.

월드 모델은 환경이 시간에 따라 어떻게 변화하고 행동이 그 환경에 어떤 영향을 미치는지 예측한다. 로보틱스에서 이러한 예측은 계획 수립, 합성 학습, 실패 감지 또는 직접적인 행동 선택을 지원할 수 있다.

월드 모델에 대한 대부분의 공개 논의는 영상에서 시작된다. 모델은 이미지, 행동 또는 텍스트를 입력받아 그럴듯한 미래 시퀀스를 생성한다. 이 접근법은 움직임, 배치, 그리고 눈에 보이는 인과 관계를 포착할 수 있다.

접촉이 많은 조작은 더 어려운 문제를 제시한다. 그리퍼가 매끄러운 물체에 닿거나, 도구가 모서리에 걸리거나, 커넥터가 저항에 부딪힐 때 결정적인 상태는 시각적으로 명확하지 않을 수 있다.

힘 센싱은 로봇이나 도구를 통해 작용하는 하중을 측정한다. 촉각 센싱은 압력, 형태, 진동 또는 미끄러짐을 포함할 수 있는 국소 접촉 정보를 포착한다.

이 신호들은 겹치는 부분이 있지만 상호 대체할 수는 없다. 손목 장착형 힘-토크 센서는 로봇 팔에 가해지는 결합 하중을 보여줄 수 있는 반면, 손끝 촉각 센서는 접촉이 발생하는 위치를 보여줄 수 있다.

로봇이 플러그를 삽입하는 상황은 이 차이를 잘 보여준다. 카메라는 플러그가 정렬된 것처럼 보인다는 점을 보여줄 수 있지만, 증가하는 측방향 힘은 플러그가 소켓 벽에 걸렸음을 드러낼 수 있다.

로봇은 계속 진행하기 전에 그 정보를 알아야 한다. 더 세게 밀면 커넥터, 고정 장치 또는 로봇이 손상될 수 있다.

닦기 작업도 또 다른 예다. 눈에 보이는 궤적은 정확해 보여도, 적용된 압력은 청소하기에는 너무 낮거나 표면에는 너무 높을 수 있다.

조립 작업에서도 유사한 숨은 상태가 발생한다. 두 부품은 한 카메라 각도에서는 정렬된 것처럼 보여도, 접촉력은 걸림, 오정렬 또는 불완전한 삽입을 나타낼 수 있다.

보도된 W0의 방향성이 중요한 이유는 이러한 신호를 예측되는 물리 상태의 일부로 취급하기 때문이다. 이는 시각적으로 일관된 움직임을 생성하는 것보다 더 까다로운 목표다.

Shanghai AI Lab은 이미 더 폭넓은 체화형 지능 스택을 운영하고 있다. 해당 연구소의 robotics toolchain에는 시뮬레이션, 내비게이션, 조작, 휴머노이드 제어, 공간 추론 및 월드 모델 구성 요소가 나열돼 있다.

이 기관은 이전에 InternWorldModel을 재구성, 예측 및 계획을 결합한 시스템으로 설명했다. 또한 행동 조건부 영상 예측과 동적 4차원 재구성을 강조했다.

W0는 이 궤적을 직접적인 물리 상호작용으로 확장하는 것으로 보인다. 이름은 모델 시리즈의 초기 위치를 시사하지만, 공개 보도만으로 공식적인 성능 단계 구도를 확인할 수는 없다.

이 불확실성은 명확히 남겨야 한다. 제품명은 하나의 아키텍처가 서로 다른 로봇, 센서, 물체 및 작업 전반에서 힘 인지 계획을 해결한다는 증거가 아니다.

이번 출시는 평가를 위한 명명된 목표를 만들었다는 점에서 논의를 바꾼다. Shanghai AI Lab은 이제 W0의 힘·촉각 모델링이 기존 비전-언어-행동 시스템과 전통적인 피드백 제어를 넘어 무엇을 기여하는지 보여줘야 한다.

또한 W0를 어떤 방식으로 제공하는지도 명확히 해야 한다. 출시된 연구 모델은 공개 가중치, 코드, API, 기술 프리뷰 또는 시연 패키지를 의미할 수 있다.

이러한 형태는 개발자에게 서로 다른 가치를 제공한다. 재현 가능한 코드와 평가 자산은 검토를 가능하게 하지만, 통제된 시연은 주로 연구 방향을 제시한다.

현재로서는 방어 가능한 결론은 제한적이다. Shanghai AI Lab은 보도에 따르면 W0의 물리 세계 제안 중심에 힘과 촉각 정보를 배치했지만, 접근성의 깊이는 확인이 필요하다.

힘·촉각 로보틱스가 월드 모델 문제를 바꾸는 이유

촉각은 월드 모델링을 시각적 예측 과제에서 안전상 결과를 수반하는 폐루프 제어 문제로 전환한다.

영상 모델은 일반적으로 프레임 또는 학습된 시각 특징 수준에서 작동한다. 손이 움직이거나, 물체가 떨어지거나, 문이 열릴 것이라는 점을 예측할 수 있다.

로봇은 또한 얼마나 많은 힘을 가할지와 언제 멈출지를 결정해야 한다. 이러한 결정은 언어 수준의 추론보다 빠르게 이뤄지며, 카메라가 안정적으로 복원할 수 없는 신호에 좌우되는 경우가 많다.

로봇이 잘 익은 과일을 잡는 상황을 생각해 보자. 미끄러짐을 막기 위해 충분한 수직력이 필요하지만, 과도한 힘은 물체에 멍을 들게 하거나 으스러뜨릴 수 있다.

따라서 동일한 동작 계획도 성공, 미끄러짐 또는 손상으로 끝날 수 있다. 결과는 재료 특성, 접촉 기하, 센서 지연 및 컨트롤러의 반응에 따라 달라진다.

물리 월드 모델은 의미 있는 결과를 예측할 수 있을 만큼 이러한 숨은 변수를 잘 표현해야 한다. 모든 원자를 재현할 필요는 없지만, 행동 품질을 결정하는 동역학은 보존해야 한다.

이 요구사항은 여러 기술 계층을 만든다. 시스템은 일관된 관계를 학습하기 전에 영상, 관절 상태, 힘 및 촉각 스트림을 동기화해야 한다.

센서들도 서로 다른 속도로 작동한다. 카메라 프레임 사이에 고주파 힘 변화가 발생할 수 있으며, 촉각 어레이는 조밀한 공간 측정을 생성할 수 있다.

그다음 모델에는 공유 표현이 필요하다. 힘 벡터를 시각 특징에 단순히 추가하는 것만으로는 적절한 추론 단계에서 신호를 보존하지 못할 수 있다.

Shanghai AI Lab과 관련된 최근 연구는 하나의 접근법을 보여준다. ForceVLA2 research는 힘 인지 작업 개념과 하이브리드 힘-위치 제어를 결합한 비전-언어-행동 시스템을 설명한다.

동반 데이터세트에는 접촉이 많은 5개 작업에 걸친 1,000개의 궤적이 포함된다. 나열된 시나리오에는 이미지, 프롬프트, 로봇 상태 및 힘 신호와 함께 닦기, 누르기 및 조립이 포함된다.

이 세부 사항들은 W0의 아키텍처를 입증하지는 않는다. 다만 연구소의 보도된 방향이 기술적으로 그럴듯한 이유와, 힘 인지 연구가 일반적인 행동 예측과 어떻게 다른지를 보여준다.

ForceVLA2는 실행 중 힘을 조절하도록 설계됐다. 월드 모델은 가능한 행동에 따른 미래 물리 상태를 예측할 때 관련되지만 구별되는 기능을 수행한다.

이 계층들을 결합하면 로봇은 내부적으로 행동을 시뮬레이션하고, 그에 따른 접촉을 추정하며, 더 안전한 궤적을 선택할 수 있다. 이후 실제 센서 피드백을 바탕으로 계획을 업데이트할 수 있다.

이 폐루프가 더 큰 기회다. 월드 모델은 예측 능력을 제공하고, 컨트롤러는 빠른 보정을 제공한다.

어느 한 구성 요소도 다른 구성 요소를 대체하지 않는다. 빠른 피드백이 없는 학습형 예측기는 예상치 못한 접촉을 놓칠 수 있고, 예측이 없는 반응형 컨트롤러는 더 긴 시퀀스에서 어려움을 겪을 수 있다.

촉각 데이터는 모호성도 줄일 수 있다. 카메라는 얇은 케이블이 물체 아래에 끼었는지 보여주지 못할 수 있지만, 국소 압력 패턴은 접촉을 드러낼 수 있다.

마찬가지로 시각적 움직임만으로는 미끄러짐과 구름을 항상 구분할 수 없다. 힘의 방향과 촉각 변위는 기저 상태에 관한 추가 단서를 제공한다.

이러한 장점에는 통합 비용이 따른다. 힘 신호는 로봇 보정, 도구 형상, 탑재 하중, 장착 방식 및 제어 설정에 따라 달라진다.

촉각 센서는 훨씬 더 다양하다. 서로 다른 장치는 호환되지 않는 하드웨어를 통해 압력, 변형, 광학 흐름, 진동 또는 전기적 변화를 인코딩한다.

한 센서로 학습된 모델은 다른 센서로는 전이되지 않는 패턴을 학습할 수 있다. 따라서 신뢰할 수 있는 Shanghai AI Lab W0 시스템에는 표준화된 입력 또는 설득력 있는 적응 방법이 필요하다.

지연 시간도 또 다른 제약이다. 고수준 모델은 미래를 생성하는 데 시간이 걸릴 수 있지만, 그리퍼는 미끄러짐을 감지한 뒤 긴 추론 주기가 끝날 때까지 기다릴 수 없다.

실용적 시스템은 시간 척도에 따라 책임을 나눌 가능성이 크다. 빠른 로컬 컨트롤러가 즉각적인 접촉을 처리하고, 더 느린 모델이 작업 단계와 예측 결과를 추론한다.

이 아키텍처는 W0의 이야기를 단순히 또 하나의 센서 채널을 추가하는 것 이상의 문제로 만든다. 핵심 질문은 모델이 너무 느려지거나 하드웨어 특화적으로 변하지 않으면서 촉각, 힘, 행동 및 시간을 연결할 수 있는지다.

비전 우선 월드 모델, 이제 물리 충실도 시험에 직면하다

W0는 비교 기준을 그럴듯한 장면에서 측정 가능한 상호작용 결과로 옮김으로써 비전 우선 월드 모델에 압박을 가한다.

선도적인 월드 모델 서사는 확장 가능한 영상 생성에 중점을 두어 왔다. 대규모 이미지 및 영상 데이터세트는 모든 학습 사례에 물리 로봇을 요구하지 않으면서도 폭넓은 범위를 제공한다.

이 장점은 상당하다. 로봇은 운영 비용이 높고, 시연에는 시간이 걸리며, 현실 세계의 실수는 하드웨어를 손상시킬 수 있다.

영상은 유용한 사전 지식도 제공한다. 모델은 물체 영속성, 일반적인 움직임 패턴, 장면 구조, 그리고 행동과 눈에 보이는 결과 간의 관계를 학습할 수 있다.

Google DeepMind는 Genie 3를 상호작용 환경을 생성하는 범용 모델로 설명한다. 이 시스템은 실시간 탐색, 일관성 및 프롬프트 기반 세계 생성을 강조한다.

로보틱스에서 이러한 속성은 다양한 학습 환경을 구축하는 데 도움이 될 수 있다. 그러나 시각적 일관성이 올바른 접촉 동역학을 보장하지는 않는다.

공은 매끄럽지만 부정확한 궤적을 따를 수 있다. 직물은 재료 거동을 위반하면서도 매력적으로 변형될 수 있다. 생성된 로봇 손은 불가능한 압력 분포에도 불구하고 물체를 잡는 것처럼 보일 수 있다.

이 차이는 측정 가능해지고 있다. GAUGE benchmark는 시각 품질 점수에만 의존하지 않고, 실제 실험을 기준으로 물리 엔진과 영상 월드 모델을 평가한다.

평가에는 강체, 케이블, 천 및 변형 가능한 물체가 포함된다. 연구자들은 충돌, 마찰, 운동량 전달, 진동, 자기 접촉 및 변형과 관련된 거동을 검토한다.

수치 시뮬레이션 엔진의 경우, GAUGE는 14개 작업군을 다룹니다. 비디오 월드 모델의 경우, 5개 강체 작업군에서 6개 모델을 평가합니다.

이 벤치마크는 생성된 움직임이 올바른 법칙을 따르는지, 추론된 물리 파라미터가 안정적으로 유지되는지를 시험합니다. 비디오는 곡선 형태가 정확해도 기울기는 잘못 생성될 수 있습니다.

이 실패는 W0의 핵심 명제입니다. 로보틱스에는 단지 알아볼 수 있는 종류의 움직임이 아니라, 정확한 양의 움직임과 힘이 필요합니다.

Shanghai AI Lab은 시뮬레이션 기반 스케일링에도 기여해 왔습니다. SIM1 프로젝트는 변형 가능한 객체 조작을 위한 물리 정렬형 real-to-sim-to-real 시스템을 제시합니다.

Real-to-sim-to-real은 물리 작업의 일부 요소를 시뮬레이션에서 재현하고, 그 환경에서 학습한 뒤 결과를 로봇에 다시 전이하는 방식을 뜻합니다. 이 방법은 비용이 큰 실제 시연에 대한 의존도를 낮추는 것을 목표로 합니다.

변형 가능한 객체는 이 과정을 어렵게 만듭니다. 천, 케이블, 연성 소재, 용기는 상호작용 중 형태가 변하며, 크고 연속적인 상태 공간을 만들어 냅니다.

힘과 촉각 신호는 이러한 시뮬레이션에 접지 정보를 제공할 수 있습니다. 시뮬레이션된 접촉 패턴이 로봇의 측정값과 크게 다르다면, 학습 환경을 보정해야 합니다.

여기서 이 글의 핵심 경쟁 구도가 형성됩니다. 비전 중심 모델은 폭넓은 생성 범위를 최적화하는 반면, 힘 기반 모델은 상호작용 충실도를 우선합니다.

두 경로는 결국 만날 수 있습니다. 미래의 시스템은 다양한 장면에는 대규모 비디오 모델을 사용하고, 국소적인 물리 보정에는 촉각 측정을 활용할 수 있습니다.

하지만 이를 하나의 느슨한 라벨 아래에서 평가해서는 안 됩니다. “월드 모델”은 탐색 가능한 시각 생성기, 학습된 동역학 모델, 시뮬레이터 또는 행동 계획 구성요소를 가리킬 수 있습니다.

개발자는 모델이 어떤 상태를 표현하는지, 어떤 행동 조건을 받아들이는지, 어떤 출력이 측정 가능한지를 물어야 합니다. 또한 예측이 제어를 지원하는지, 아니면 시각화에만 쓰이는지도 알아야 합니다.

Shanghai AI Lab의 W0 발표가 유용한 이유는 이러한 질문을 더 명확하게 만들기 때문입니다. 힘과 촉각이 핵심 입력 또는 예측 대상이라면, 벤치마크는 접촉 정확도와 작업 결과를 측정해야 합니다.

성공률만으로는 여전히 부족합니다. 로봇은 작업을 완료하더라도 안전하지 않은 최대 힘을 가하거나, 지나치게 많은 시간을 쓰거나, 실패한 시도에서 물체를 손상시킬 수 있습니다.

관련 지표에는 힘 추적, 접촉 타이밍, 미끄러짐 복구, 최대 하중, 완료 품질, 센서 간 전이가 포함됩니다. 초기 접촉 하나가 이후 상태를 바꿀 수 있으므로 장기 안정성도 중요합니다.

비전 우선 모델이 이러한 시험에서 가치를 잃는 것은 아닙니다. 다만 물리 지능에 대한 더 엄격한 정의를 충족해야 합니다.

증거 격차는 여전히 발표보다 크다

W0의 핵심 주장은 공개 자료가 로봇, 센서, 낯선 객체 전반에서 재현 가능한 성능을 보여주기 전까지는 연구 가설에 머뭅니다.

현재 उपलब्ध한 보고서는 출시와 방향성을 보여 줍니다. 그러나 모델의 한계를 판단할 만큼 독립적으로 접근 가능한 세부 정보는 아직 충분하지 않습니다.

이는 새로운 연구 공개에서 드문 일이 아닙니다. 전체 논문, 코드, 체크포인트, 데이터세트 또는 모델 카드보다 시연과 개요 글이 먼저 나오는 경우가 많습니다.

그럼에도 로보틱스에서는 많은 소프트웨어 작업보다 이러한 누락된 세부 정보가 더 중요합니다. 언어 모델의 실수는 좋지 않은 답변을 낼 수 있지만, 힘 제어의 실수는 장비를 손상시키거나 사람을 다치게 할 수 있습니다.

첫 번째 미해결 질문은 W0의 입력과 출력에 관한 것입니다. 이 시스템이 원시 촉각 배열, 처리된 접촉 특징, 6축 힘-토크 측정값 또는 그 조합을 사용하는지는 명확하지 않습니다.

W0가 미래 감각 상태를 예측하는지, 학습 궤적을 생성하는지, 행동을 선택하는지, 아니면 다른 정책에 표현을 제공하는지도 분명하지 않습니다.

각 설계에는 서로 다른 검증이 필요합니다. 예측 모델은 보정된 미래 상태를 기준으로 평가해야 하며, 제어 모델에는 실제 로봇 작업 및 안전성 측정이 필요합니다.

두 번째 질문은 하드웨어 적용 범위입니다. 하나의 센서 구성과 하나의 로봇 팔에서 작동하는 힘 인지 모델도 가치는 있을 수 있지만, 일반 로보틱스 모델은 아닙니다.

센서 위치, 신호 범위, 관절 동역학, 제어 주파수가 서로 다르기 때문에 플랫폼 간 전이는 어렵습니다. 그리퍼만 교체해도 기록된 힘의 의미가 달라질 수 있습니다.

세 번째 질문은 데이터 혼합 구성입니다. 개발자는 실제 로봇, 시뮬레이션, 텔레오퍼레이션, 공개 데이터세트, 생성된 궤적에서 각각 얼마만큼의 정보가 왔는지 알아야 합니다.

합성 데이터는 저렴하게 확장할 수 있지만, 그 가치는 시뮬레이션 충실도에 달려 있습니다. 잘못된 접촉 동역학으로 학습하면 오류가 무작위가 아니라 체계적인 형태가 될 수 있습니다.

Shanghai AI Lab의 이전 체화 AI 공개는 20,000개가 넘는 장면에서 10개 이상의 로봇 유형과 500만 개의 시뮬레이션 샘플을 지원한다고 밝혔습니다.

이 수치는 W0가 아니라 더 광범위한 Intern-Robotics 시스템을 설명합니다. 이는 연구소가 이질적인 시뮬레이션과 데이터 생성을 위한 인프라를 보유하고 있음을 보여 줍니다.

그러나 이 수치가 힘-촉각 신호가 해당 로봇 유형들 사이에서 안정적으로 전이된다는 것을 입증하지는 않습니다. W0 문서는 일반 플랫폼 규모와 특정 모델의 학습 및 평가를 연결해야 합니다.

네 번째 질문은 비교가 동일한 정보 조건에서 이뤄지는지입니다. 힘 기능을 갖춘 모델은 시각적 기준 모델보다 뛰어나야 하지만, 비교는 추가 신호의 가치를 분리해 보여줘야 합니다.

연구자는 가능한 한 아키텍처, 데이터 규모, 학습 예산을 일정하게 유지해야 합니다. 그렇지 않으면 더 큰 힘 인지 시스템이 촉각과 무관한 이유로 승리할 수 있습니다.

제거 연구는 특히 중요합니다. 비전만 사용한 경우, 힘만 사용한 경우, 촉각만 사용한 경우, 감각을 결합한 경우의 성능을 보여줘야 합니다.

시험에는 손상되거나 지연된 신호도 포함되어야 합니다. 실제 센서는 드리프트, 보정 손실, 포화, 통신 문제를 겪습니다.

완벽한 촉각 입력을 가정하는 모델은 실험실 밖에서 갑자기 실패할 수 있습니다. 더 안전한 설계는 불확실성을 감지하고 보수적인 대체 제어에 제어권을 넘겨야 합니다.

다섯 번째 질문은 작업 다양성입니다. 접촉이 풍부한 시연은 종종 신중하게 준비된 소수의 활동에 집중합니다.

버튼 누르기, 표면 닦기, 부품 삽입은 유용한 능력을 보여줄 수 있습니다. 하지만 취약한 소재, 혼잡한 환경, 움직이는 사람, 변화하는 도구 전반의 일반적 역량을 입증하지는 않습니다.

신뢰할 수 있는 평가는 낯선 물체 형상, 마찰 수준, 순응성, 적재량, 접촉 위치를 포함해야 합니다. 또한 암기된 작업 템플릿과 실제 물리 적응을 구분해야 합니다.

여섯 번째 질문은 재현성입니다. 공개 코드, 평가 스크립트, 센서 보정 절차, 테스트 데이터는 외부 팀이 보고된 성능 향상을 검토할 수 있게 합니다.

이들이 없다면 독자는 W0를 검증된 표준이 아니라 보고된 공개로 설명해야 합니다. “출시”라는 표현을 광범위한 프로덕션 이용 가능성으로 자동 해석해서는 안 됩니다.

여기서의 회의론은 힘-촉각 월드 모델에 반대하는 주장이 아닙니다. 이는 그러한 모델이 의도하는 역할에서 직접 따라 나옵니다.

모델이 물리적 제어에 더 큰 영향을 미칠수록, 그 증거는 더 강해져야 합니다. 유용한 보도는 발표를 확정된 결론으로 바꾸기보다, 증거가 나타나는 과정을 추적해야 합니다.

경쟁 시스템은 접촉 인지 예측으로 수렴하고 있다

Shanghai AI Lab만이 촉각을 빠진 층으로 보는 것은 아니며, 따라서 아이디어 자체보다 실행력과 개방성이 더 중요해집니다.

여러 연구 흐름이 이제 촉각 감지를 월드 모델링, 계획 또는 행동 정책과 연결하고 있습니다. 이러한 수렴은 근본적인 문제가 실재함을 시사합니다.

예를 들어 FeelWorld는 계층적 접촉 예측과 계획을 위해 설계된 시각-촉각 모델입니다. 이 시스템은 직접 조작이 포함된 작업에서 시각적 미래와 촉각적 미래를 모두 예측합니다.

보고된 실험에는 칩 파지, 과일 파지, USB 삽입이 포함됩니다. 이러한 시나리오는 정밀한 위치 조정, 섬세한 접촉, 자유 운동에서 제약된 상호작용으로의 전환을 시험합니다.

FeelWorld 논문에 따르면, 이 모델은 보고된 설정에서 평균 81.7%의 제로샷 계획 성공률을 달성했습니다.

이는 연구 결과이지 보편적인 성능 주장이 아닙니다. 이 수치는 저자가 사용한 작업, 하드웨어, 평가 프로토콜, 기준선 정의에 따라 달라집니다.

ViTacWorld는 다른 접근을 취합니다. 행동 조건부 시각 및 촉각 예측을 사용해 확장 가능한 접촉 풍부 조작을 지원합니다.

연구진은 접촉 측정이 물리적 상호작용과 직접 연결되므로 촉각 신호가 이미지보다 더 작은 시뮬레이션-현실 격차를 가질 수 있다고 주장합니다. 이 전제는 유망하지만 센서에 의존적입니다.

ForceVLA2는 제어에 더 가깝습니다. 힘 인지 개념과 하이브리드 힘-위치 명령을 출력하는 행동 전문가를 결합합니다.

이 프로젝트들은 함께 미래 로보틱스 스택의 세 계층을 보여 줍니다. 모델은 접촉을 예측하고, 그 예측을 중심으로 계획하며, 실행 중 힘을 조절할 수 있습니다.

W0의 경쟁적 위치는 어떤 계층을 통합하는지에 달려 있습니다. 월드 예측과 힘 인지 행동을 연결하는 광범위한 모델은 협소한 감각 인코더보다 더 중요할 수 있습니다.

반대로 강력한 전이와 낮은 지연 시간을 제공한다면 집중형 모델도 의미가 있을 수 있습니다. 제어 신뢰성을 약화한다면 일반성은 가치가 없습니다.

Alibaba의 Qwen-Robot 계열은 더 큰 경쟁 기준을 제공합니다. 이 계열은 내비게이션, 조작, 물리 세계 예측을 관련 모델들로 분리합니다.

이 모듈형 전략은 단일 구성요소에 가해지는 부담을 줄입니다. 또한 개발자가 작업별 지표로 각기 다른 역량을 평가할 수 있게 합니다.

Shanghai AI Lab은 Intern-Robotics를 통해 풀스택 방향을 선호하는 것으로 보입니다. 이 플랫폼은 시뮬레이션, 데이터, 학습, 평가, 배포 도구를 아우릅니다.

풀스택은 구성요소 간 조율을 개선할 수 있습니다. 동일한 조직이 데이터 형식, 시뮬레이터, 모델 인터페이스, 로봇 배포를 정렬할 수 있습니다.

하지만 성능의 원천이 어디인지 불분명하게 만들 수도 있습니다. 개발자는 W0 자체가 가치를 더하는지, 아니면 주로 주변 시스템의 혜택을 받는지 판단하려면 구성요소 수준의 결과가 필요합니다.

이 구분은 도입에 영향을 줍니다. 로보틱스 팀은 수직 통합된 전체 플랫폼이 아니라 전이 가능한 모델을 원할 수 있습니다.

따라서 개방형 인터페이스는 경쟁 우위가 될 수 있습니다. 표준 센서 스키마, 보정 도구, 평가 환경은 외부 하드웨어에서 W0를 더 쉽게 시험할 수 있게 합니다.

생태계에는 더 나은 데이터 출처 추적도 필요합니다. 힘 및 촉각 기록에는 작업자 행동, 하드웨어 특성, 작업별 고정 장치가 반영될 수 있습니다.

팀은 시연 데이터가 어떻게 수집되고 필터링되었는지 문서화해야 합니다. 또한 실패한 궤적에는 중요한 안전 및 복구 정보가 담겨 있으므로 기록해야 합니다.

상업 구매자는 벤치마크 승리를 넘어선 요소를 살펴볼 것입니다. 시스템이 설정 시간을 줄이는지, 변동 상황에서 복구하는지, 장기 배포 중 허용 가능한 실패율을 유지하는지를 물을 것입니다.

공장에서는 유지보수도 중요합니다. 촉각 표면은 마모되고, 케이블은 느슨해지며, 힘 센서는 반복 하중 아래에서 드리프트합니다.

새로 보정된 하드웨어에서 좋은 성능을 보이는 모델도 수개월에 걸쳐 성능이 저하될 수 있습니다. 따라서 장기 지속 시험은 비교의 일부가 되어야 합니다.

개발자에게 이 신흥 분야는 정보 관리 과제를 만듭니다. 논문, 센서 사양, 실험, 배포 로그는 팀 전반에 빠르게 분산될 수 있습니다.

검색 가능한 기술 지식 베이스는 팀이 시험 조건을 보존하고 한 모델이 다른 모델과 다르게 작동한 이유를 추적하는 데 도움을 줄 수 있습니다.

이 워크플로는 로보틱스 문제를 해결하지는 않습니다. 대신 통합 의사결정의 근거가 되는 증거를 더 쉽게 검색하고 감사할 수 있게 합니다.

W0가 더 나은 예측이나 더 안전한 행동을 제공한다면 주목을 받을 것이다. 팀들이 자체 하드웨어 제약 안에서 그러한 성과를 재현할 수 있다면 도입도 이어질 것이다.

W0가 다음으로 입증해야 할 것

Shanghai AI Lab W0가 유용한 인프라가 될지, 아니면 흥미로운 출시 주장에 머물지는 세 가지 신호가 결정할 것이다.

첫 번째 신호는 완전한 기술 공개다. 이는 W0의 아키텍처, 감각 입력, 학습 목표, 데이터 소스, 그리고 의도된 배포 역할을 정의하는 논문이나 모델 카드가 공개된다는 뜻이다.

개발자들은 월드 모델링과 제어 사이의 명확한 경계를 확인해야 한다. W0가 결과를 예측하는지, 행동을 생성하는지, 또는 분리된 모듈을 조정하는지 알아야 한다.

접근 방식도 중요하다. 오픈 웨이트는 가장 폭넓은 검증을 가능하게 하며, API도 반복 가능한 출력을 제공한다면 평가를 지원할 수 있다.

데모만 제공하는 공개는 W0가 실제로 출시되었다는 주장을 약화시킬 것이다. 이는 연구 방향을 보여줄 수는 있어도 외부 팀이 이를 시험할 방법을 제공하지는 못한다.

두 번째 신호는 측정에 근거한 평가다. W0는 시각적으로 그럴듯한 예측이 물리적으로는 틀릴 수 있는 과제를 마주해야 한다.

이러한 테스트에는 힘 추적, 마찰 변화, 미끄러짐, 충돌, 변형, 복구가 포함되어야 한다. 완료율과 함께 안전성 결과도 보고해야 한다.

GAUGE는 물리적 충실도를 검토하는 데 유용한 한 가지 프레임워크를 제공한다. 접촉이 많은 로봇 벤치마크는 실제 하드웨어를 통한 직접적인 작업 증거를 더할 수 있다.

가장 강력한 결과는 이 둘을 연결하는 것이다. 정확한 예측은 단지 오프라인 오류를 낮추는 데 그치지 않고, 더 나은 로봇 행동으로 이어져야 한다.

평가는 실패 분포도 드러내야 한다. 평균 점수는 드물지만 위험한 힘의 급증이나 불안정한 행동을 가릴 수 있다.

신뢰도 추정치는 운영자가 모델이 언제 행동해야 하는지 판단하는 데 도움이 된다. 익숙하지 않은 접촉 조건을 인식하는 시스템은 언제나 확신에 찬 예측을 내놓는 시스템보다 더 안전하다.

세 번째 신호는 하드웨어 간 재현이다. 최소 한 개의 외부 그룹이 다른 로봇이나 센서 구성에서 모델을 실행해야 한다.

이 테스트는 W0가 전이 가능한 물리적 관계를 학습했는지, 아니면 하나의 실험실 환경을 내재화했는지를 보여줄 것이다. 또한 보정과 적응에 드는 실제 비용도 드러낼 것이다.

W0가 여러 형태의 로봇 구현에서 성능을 보인다면, 힘에 기반한 접근법은 더 큰 지지를 얻게 된다. 공유 모델은 접촉이 많은 작업에 필요한 과업별 엔지니어링의 양을 줄일 수 있다.

센서나 그리퍼를 바꾼 뒤 성능이 무너진다면 더 광범위한 주장은 약화된다. W0는 여전히 유용한 특화 시스템으로 기능할 수 있지만, 아직 일반적인 물리 세계 모델이라고 보기는 어렵다.

향후 1~3개월 동안은 세련된 데모보다 이러한 신호들에 더 주목할 필요가 있다. 문서화, 재현 가능한 벤치마크, 독립적인 배포가 모델의 실제 위치를 드러낼 것이다.

W0가 기대에 미치지 못하더라도 더 큰 산업적 질문은 남는다. 로봇에는 시각적 의도와 접촉의 숨은 역학을 연결하는 표현 방식이 필요하다.

비전은 범위와 맥락을 제공한다. 힘과 촉각은 상호작용이 예상대로 진행되고 있다는 증거를 제공한다.

신뢰할 수 있는 물리 세계 모델은 속도, 전이성, 제어 안전성을 잃지 않으면서 이러한 강점을 결합해야 한다. 이것이 Shanghai AI Lab W0와 모든 경쟁 시스템이 마주한 기준이다.

출시를 평가하는 개발자들은 구체적인 질문에서 시작해야 한다. 어떤 신호가 모델에 입력되고, 어떤 미래를 예측하며, 그 예측은 행동을 어떻게 바꾸는가?

그다음에는 실패 사례를 검토해야 한다. 어떤 재료, 센서, 작업 또는 제어 속도가 학습된 관계를 무너뜨리는가?

기업 구매자는 “월드 모델”이라는 레이블을 역량 보증으로 받아들이는 대신 배포 증거를 요구해야 한다. 제한된 하나의 워크플로에서 재현 가능한 개선을 보이는 것이, 광범위하지만 검증할 수 없는 약속보다 더 가치 있다.

Shanghai AI Lab은 W0의 이야기 중심에 힘-촉각 로보틱스를 놓았다. 다음 단계는 그 이야기를 측정 가능하고 재현 가능하며 실험실 밖에서도 유용하게 만드는 것이다.

최초의 공개 평가가 W0가 실제 하드웨어 전반에서 접촉을 정확히 예측한다는 점을 보여줄까, 아니면 설득력 있는 세계와 신뢰할 수 있는 물리 지능 사이의 또 다른 격차를 드러낼까?