XR-2의 1,500시간 시연 데이터와 DAgger 교정 실험은 서로 다른 질문에 답한다. 시연 데이터는 로봇의 초기 정책을 학습시키고, 교정 데이터는 그 정책이 잘못된 동작을 했을 때 도달하는 상태를 다룬다. 논문은 교정 데이터와 전문가 데이터를 궤적 수 기준 1:1로 섞었지만, 교정 궤적의 총개수나 프레임 수, 시간은 밝히지 않았다. 따라서 1,500시간이라는 전체 데이터 규모만으로는 보고된 성능 향상에 교정 데이터가 얼마나 쓰였는지 알 수 없다.
결과를 읽을 때도 이 차이를 지켜야 한다. 성공률 84%는 전문가 데이터 규모를 늘린 실험에서 나온 수치다. 58%에서 93%로 오른 결과는 별도의 체크포인트에 DAgger를 세 차례 적용한 실험에서 나왔다. 두 수치는 한 번의 실행에서 연속으로 진행된 단계가 아니다.
XR-2는 비전·언어·행동 모델이고, X2W는 로봇 플랫폼이다. DAgger는 Dataset Aggregation의 약자다. 이 글은 2026년 9월 3일 공개된 버전 1 논문과 2026년 9월 20일 기준 공개 아티팩트 저장소를 검토했다. 데이터셋을 내려받거나 모델을 실행하거나 로봇을 시험하지는 않았다.
두 실험은 출발점부터 다르다
논문의 전문가 데이터 규모 실험과 DAgger 실험은 서로 보완되는 두 축을 다룬다. 각 표와 곡선은 같은 실험 안에서 비교할 때 의미가 있으며, 84%에서 93%로 이어지는 하나의 성능 향상 과정으로 합칠 수는 없다.
| 실험 | 데이터와 출발점 | 저자가 보고한 결과 | 도입 검토자가 판단할 수 있는 범위 |
|---|---|---|---|
| 전문가 데이터 규모 확대 | 옷 접기 데이터 10~160시간 | 30시간에서 34%, 120시간에서 84%, 160시간에서 82% | 이 환경에서는 전문가 데이터가 늘면서 시험 범위 내 성공률이 높아진 뒤 곡선이 평탄해졌다. 160시간 결과는 120시간 결과를 넘지 못했다. |
| DAgger 사후 학습 | 10개 하위 작업의 전문가 궤적 18,695개로 학습한 별도 58% 체크포인트 | 1·2·3차 라운드 뒤 각각 74%, 82%, 93%. 라운드마다 사후 학습 2.5에포크 | 보고된 세 라운드에서 교정 데이터가 이 체크포인트의 성능을 높였다. 다만 교정 데이터의 양이 충분히 공개되지 않아 이 향상을 시간 기준의 스케일링 규칙으로 바꿀 수는 없다. |
이 수치는 논문의 작업과 시스템에서 저자가 평가한 결과다. 시험 조건은 재료의 크기와 색상, 로봇의 초기 위치를 바꾸지만, 제약 없는 가정 환경에 배포한 결과는 아니다. 이 결과를 설명한 부분에는 84%와 82%의 차이가 얼마나 의미 있는지 판단하는 데 필요한 전체 시행 횟수도 제시되지 않았다. 두 실험 모두 다른 로봇이나 다른 작업 분포에서 같은 성공률이 나온다는 근거가 되지는 않는다.
1:1은 시간이나 프레임이 아니라 궤적 수의 비율이다
데이터 수집 파이프라인에서는 정책 실행과 사람의 개입이 번갈아 일어난다. 작업자는 현재 하위 작업을 교정하거나 마친 뒤, 실패할 때마다 전체 작업을 처음부터 다시 시작하지 않고 제어권을 정책에 돌려준다. 기록된 구간은 사람과 정책 중 누가 제어했는지 구분한다. 이 방식으로 교정 데이터는 사람이 성공적으로 이끄는 시연이라면 방문하지 않았을 상태까지 포함할 수 있다.
논문의 DAgger 사후 학습 방법에서 각 혼합 데이터셋은 궤적 수를 기준으로 교정 데이터와 전문가 데이터를 1:1로 구성한다. 교정 데이터의 수집 예산은 성능이 낮은 하위 작업에 더 많이 배분한다. 단위가 분명하다. 전문가 데이터 1시간마다 교정 데이터 1시간을 넣는다는 뜻이 아니며, 프레임 수를 같은 비율로 맞춘 것도 아니다.
궤적 수만 보면 지속 시간과 행동 수, 작업 난이도의 큰 차이가 가려질 수 있다. 이 비율을 그대로 적용하기 전에는 양쪽 궤적의 지속 시간 분포와 샘플링 절차를 기록해야 한다. 실패 결과가 추가 수집할 하위 작업의 선택에 어떻게 반영되는지도 남긴다. 저자의 1:1 혼합은 이 실험에서 시험한 절차이며, 어떤 상황에서나 1:1이 최적이라는 증거는 아니다.
XR-2가 수행하는 양팔 작업의 물리적 배경은 양팔 로봇 협응 제어에서 살펴볼 수 있다. 두 팔의 동기화와 접촉을 다루는 제어 문제는 이 글의 데이터 배분 문제와는 별개다. 데이터 측면에서 XR-2가 던지는 질문은 두 번째 데이터 소스가 원래 분포의 사례만 더하는지, 아니면 정책이 스스로 만든 실패 상태까지 포함하는지다.
논문의 전체 데이터와 공개 저장소 기록은 같지 않다
논문은 약 1,500시간의 시연 데이터를 보고한다. 실제 로봇 원격조작으로 32,518개 궤적과 약 5,740만 프레임, 531.7시간을 수집했고, Universal Manipulation Interface(UMI)를 사용하는 핸드헬드 그리퍼로 약 1,000시간을 더 수집했다. 이는 시연 데이터의 수치이며, 교정 데이터셋이나 두 실험에 사용한 학습 하위 집합의 크기가 아니다.
고정된 아티팩트 저장소 리비전은 별도의 공개 기록을 제공한다. 날짜가 표시된 변경 기록에는 500시간이 넘는 실제 로봇 데이터 전체와 UMI 데이터 5시간, 이후 추가된 UMI 데이터 100시간이 적혀 있다. 이 기록만으로 논문이 말하는 1,500시간의 모든 파일을 현재 내려받을 수 있다고 확인할 수는 없다. 그렇게 판단하려면 전체 파일 목록이나 유지관리자의 확인이 필요하다.
교정 데이터에도 같은 주의가 필요하다. 세 차례의 수집 라운드와 각 성공률은 보고됐지만, 교정 데이터의 정확한 양은 공개되지 않았다. 재현 기록에서는 ‘논문에 사용됨’, ‘공개 카드에 기재됨’, ‘로컬에서 내려받아 검증함’을 서로 다른 항목으로 관리해야 한다.
저장소 파일만으로 학습 파이프라인 재현을 입증할 수는 없다
고정된 리비전의 저장소에는 공식 데이터와 검증 데이터, 예제 데이터, Docker 자료, 로봇 설명 파일을 위한 디렉터리가 있다. LeRobot 데이터셋 로더 예제와 추론 인터페이스의 기본 구조도 제공한다. 이런 아티팩트는 형식과 통합 경계를 살피는 데 도움이 되지만, XR-2 학습 코드나 모델 가중치가 저장소에 존재하고 완전하며 실행 가능하다는 근거는 아니다.
라이선스도 아티팩트별로 기록해야 한다. 저장소 카드에는 CC BY-SA 4.0이 표시돼 있지만, 논문 부록과 저장소 본문은 로봇 하드웨어 설명을 비상업적 교육·실험·학술 연구 용도로 설명한다. 카드의 일반 라이선스 표지만으로는 하드웨어 설명 파일에 붙은 더 좁은 문구가 해소되지 않는다. URDF를 상업적으로 재사용하려면 게시자에게 적용 조건을 확인해야 한다.
재현했다고 판단하기 전에 빈칸부터 기록한다
XR-2를 검토하는 도입자는 다음 항목을 남겨야 한다.
- 정확한 논문과 저장소 리비전, 실제로 받은 데이터의 파일별 목록과 해시
- 전문가 데이터와 교정 데이터의 작업·하위 작업 분포와 궤적 지속 시간 분포
- 교정 개입 조건, 작업자에게 제어권을 넘기는 방식, 재시작 동작, 실패에 가중치를 둔 수집 배분 규칙
- 체크포인트, 혼합 단위, 라운드 수, 라운드별 에포크 수, 평가 프로토콜
- 학습 코드, 설정, 가중치, 로봇 설명, 필수 의존성의 제공 여부와 라이선스
- 샘플 로딩과 범위를 제한한 평가 재현 결과. 논문 저자가 보고한 점수와 별도로 기록한다.
휴먼 인 더 루프 개입 데이터 가이드에서는 개입 조건과 복구, 작업자 제어 전후에 무엇을 기록해야 하는지 설명한다. XR-2에서 당장 내려야 할 판단은 더 좁다. 궤적이라는 단위와 실패 분포, 교정 데이터의 양을 파악하기 전에는 1:1 비율을 그대로 적용하지 말아야 한다. 공개 아티팩트가 같은 학습·평가 경로를 뒷받침하기 전에는 공개 결과를 재현했다고 말할 수도 없다.