로봇 파운데이션 모델

ABB의 Autonomous Versatile Robotics는 단일 제품명이 아니라 인간 지시, 지각, 추론·계획, 모션 안전, SLAM 항법, 손재주를 연결하는 여섯 역량의 방향이다. 상용 기능과 preview·연구를 구분한다.

LeRobot RTC는 새 관측이 들어올 때 이전 행동 묶음 전체를 폐기하는 방식이 아니다. 이미 실행이 확정된 앞부분은 고정하고, 겹치는 나머지를 이어 새 행동 묶음을 비동기로 만드는 추론 기법이다.

LeRobot v0.6에 Robometer와 TOPReward가 같은 보상 모델 API로 들어왔지만 두 도구의 학습 방식과 점수 의미는 다르다. 자동 성공 판정에는 현장 홀드아웃, 사람 라벨, 혼동행렬과 실패 유형별 검수가 여전히 필요하다.

Skild Brain을 산업용 로봇에 붙여도 학습 정책이 OEM 제어기와 안전 계층을 대신하지 않는다. 정책 명령의 허용 범위, 거부·폴백, 애플리케이션 위험성 평가와 변경 책임을 분리해야 파일럿을 시작할 수 있다.

DeepFleet는 100만 대를 한꺼번에 중앙 제어하는 모델이 아니다. 여러 로봇의 위치·방향·적재·목표와 floor 관계를 표현해 교통과 다음 상태를 예측하고 플릿 결정을 돕는 모델군이다. 안전 제어는 별도다.

Proteus의 자연어 지시는 말이 곧 모터 명령이 되는 기능이 아니다. 의도·대상·위치·우선순위·시간을 구조화하고 WMS와 교통 제약을 대조한 뒤 승인된 작업으로 내려보내야 한다. 모호하면 확인하거나 거부해야 한다.

Spot 점검 영상을 새 검사 작업으로 바꾸려면 촬영·라벨·검증·업데이트·경보 검토를 한 루프로 묶어야 한다. Google 벤치마크는 현장 정확도가 아니며, 데이터 공유와 회귀 실패 책임도 파일럿 전에 정해야 한다.

On-Device 2가 로컬에서 실행돼도 카메라부터 모터까지 지연이 사라지는 것은 아니다. 노출·전처리·추론·명령 전달·저수준 제어·기계 응답을 한 시계로 재고, 연결 단절 때 남길 기능을 설계한다.

Gemini Robotics 2의 Sharpa 손과 Franka Duo 백분율은 같은 시험의 순위표가 아니다. 공개 차트에서 확인할 수 있는 작업별 편차와 아직 비어 있는 반복 횟수·실패 기록·일반화 증거를 구분해 읽는다.

도움 요청률이 낮다고 자율성이 좋은 것은 아니다. 같은 작업군·환경·모델 버전에서 미요청 실패, 불필요한 요청, 사람 대기, 복구시간과 최종 성공을 함께 기록해 기권 임계값을 운영 KPI로 바꾸는 방법을 설명한다.