'LiMA' AI, 로봇 손동작 반응속도 높인다

로봇 조작 분야에서 오랫동안 풀리지 않았던 과제, 즉 장기적인 예측 능력과 순간적인 반응 제어를 동시에 갖추는 문제를 해결하려는 새로운 AI 프레임워크가 등장했습니다. 이번 연구는 arXiv에 게재된 프리프린트 논문을 통해 공개됐으며, arXiv cs.RO 카테고리에 등재된 내용을 바탕으로 보도합니다.

논문에 따르면, 현재 널리 쓰이는 시각-언어-행동(Vision-Language-Action, VLA) 모델은 고차원적인 추론에는 강하지만 물리적 역학이나 공간 정보를 세밀하게 파악하는 데 약점이 있습니다. 반면 세계-행동 모델(World-Action Model, WAM)은 반복적인 생성 과정 때문에 추론 지연시간이 크다는 문제를 안고 있습니다. 연구진은 이를 '치명적인 시간적 불일치'라고 표현하며, 로봇이 세운 상위 의도가 접촉 상황이 급변하는 순간을 따라가지 못하는 현상이라고 설명합니다. 이는 물체를 쥐거나 미세하게 조정하는 등 실시간 조작이 필요한 상황에서 특히 큰 걸림돌입니다.

LiMA는 이 문제를 두 개의 비동기 시스템으로 나눠 해결합니다. '느린' 시스템은 드문드문하지만 긴 시간 범위를 다루는 공간-시간적 의도 생성을 담당하고, '빠른' 시스템은 밀도 높은 고주파 동작 미세조정을 처리합니다. 이 두 시간 척도를 연결하기 위해 연구진은 '잠재 슈뢰딩거 브리지 결합(Latent Schrödinger Bridge Coupling)' 메커니즘을 제안했습니다. 이는 희소한 의도 예측과 밀집된 행동 궤적을 연결하는 과정을 엔트로피 정규화 확률적 전송 문제로 정식화한 것입니다.

실험 결과, LiMA는 이러한 비동기 분리 구조를 통해 Cosmos-Policy라는 기존 시스템 대비 추론 지연시간을 45.8% 줄였습니다. 서로 다른 시간 범위를 요구하는 6가지 양손 정교 조작 과제에서 LiMA는 전체 성공률 70.8%, 하위 과제 평균 성공률 78.9%를 기록했습니다. 논문은 또한 학습에 포함되지 않은 새로운 상황에서도 성능이 유지됐다고 밝혔습니다.

연구진은 논문과 함께 프로젝트 웹사이트도 공개했지만, 검토한 원문에는 구체적인 URL이 명시돼 있지 않았습니다. 이번 연구는 느리고 신중한 계획과 빠르고 반응적인 제어를 결합하려는 최근 로봇공학 연구 흐름에 속하며, 이런 구조는 정교한 조작을 실용적인 속도로 구현하는 핵심 열쇠로 주목받고 있습니다.