챕터별 상세
월드 모델의 정의와 데이터 학습
1X 월드 모델은 인터넷 규모의 방대한 비디오 데이터로 사전 학습되어 인간의 상호작용 방식을 파악한다. 이후 실제 로봇 데이터를 통한 Post-training 과정을 거쳐 물리 법칙과 NEO의 신체 구조에 맞게 조정된다. 이를 통해 NEO는 텍스트나 음성 프롬프트를 시각적 미래 행동으로 변환하고 이를 실제 움직임으로 연결한다.
비디오 데이터는 시각적 이해를 제공하고, 로봇 데이터는 실제 물리적 제어 능력을 부여한다.
제로샷 일반화와 미학습 작업 수행
월드 모델을 탑재한 NEO는 이전에 본 적 없는 물체나 환경에서도 작업을 수행하는 Zero-shot 일반화 능력을 보여준다. 예를 들어 학습 데이터에 없던 오렌지를 도시락 통에 넣거나 변기 뚜껑을 여는 등의 작업을 수행할 수 있다. 이는 단순한 동작 복제가 아니라 인간의 지식을 물리적 환경에 적용하는 능력을 갖췄음을 의미한다.
Zero-shot은 추가 학습 없이 새로운 상황에 대응하는 능력을 뜻한다.
예측 불가능한 환경 대응 및 자가 학습
전통적인 로봇 AI와 달리 월드 모델은 조명 변화나 무작위 물체 배치와 같은 동적인 환경 변화에 유연하게 대응한다. 월드 모델은 NEO의 인지적 핵심(Cognitive Core) 역할을 하며 수 초 길이의 자율 행동 시퀀스를 생성한다. 로봇이 스스로 행동 데이터를 생성하고 이를 다시 학습에 활용하는 플라이휠(Flywheel) 효과를 통해 무한한 학습이 가능해진다.
데이터 플라이휠은 로봇이 스스로 데이터를 만들어 성능을 개선하는 선순환 구조를 말한다.
용어 해설
- 월드 모델(World Model)
- — 에이전트가 주변 환경의 물리적 법칙과 인과 관계를 이해하고 미래 상태를 예측하기 위해 구축하는 내부 모델이다. 로봇이 행동을 실행하기 전 결과를 시뮬레이션하여 최적의 경로를 찾는 데 필수적이다.
- 제로샷 일반화(Zero-shot Generalization)
- — 모델이 학습 과정에서 한 번도 접하지 않은 데이터나 작업에 대해 추가 학습 없이 즉각적으로 대응하는 능력이다. 로봇 공학에서는 새로운 물체나 환경을 다루는 핵심 지표로 활용된다.
- 포스트 트레이닝(Post-training)
- — 대규모 데이터로 사전 학습된 모델을 특정 목적이나 환경에 맞게 미세 조정하는 단계이다. 1X는 이를 통해 일반 비디오 지식을 로봇의 물리적 신체 제어 지식으로 변환한다.
- 역동학 모델(Inverse Dynamics Model)
- — 원하는 목표 상태(미래 이미지)에 도달하기 위해 필요한 물리적 힘이나 관절의 움직임을 계산하는 모델이다. 시각적 계획을 실제 로봇의 하드웨어 명령으로 변환하는 역할을 한다.
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 01. 13.수집 2026. 02. 21.출처 타입 YOUTUBE
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.
