1 9월 17:58 UTC에 arXiv에 올라온 프리프린트는 저자들이 “자신의 행동이 초래할 접촉 결과를 예측하고 그 가치를 평가하는” 로봇 파운데이션 모델이라고 부르는 Facet-0를 설명합니다. 5개의 서브밀리미터 컴퓨터 조립 과제에서 과제에 맞게 조정한 이 시스템은 평균 성공률 82%를 기록했으며, 이는 가장 강한 기준선의 15%와 비교됩니다. 또한 0.5 mm의 배치 정확도와 50 ms의 명령 지연 시간을 보였습니다.
이 모델이 실제로 예측하는 것
픽셀이 아닙니다. 이 아키텍처는 손목에서의 힘과 토크를 합친 개념인 wrench를 포함한 공동 action-wrench 제안을 중심으로 설계됐습니다. 인과적 wrench 이력은 비전-언어 의미론 및 운동학 상태와 정렬되며, flow matching은 각 행동 청크와 그 행동이 유발할 것으로 예상되는 미래 손목 wrench 프로필을 함께 생성합니다. 이후 분포적 Action-Wrench Critic을 배치 롤아웃으로 학습해, 겉보기에는 비슷하게 성공한 것처럼 보이지만 접촉 결과가 다른 동작을 구분합니다.
흔한 프레임이 놓치는 것
2026년의 로봇 파운데이션 모델 서사는 비전-언어-행동으로 요약됩니다. 로봇에 픽셀과 단어를 보여주면 행동이 나온다는 식입니다. 하지만 이번 결과는 조립 허용오차 수준에서는 시각 채널만으로는 거의 쓸모가 없다고 말합니다. 가장 강한 비전 중심 기준선은 15%에 머물렀습니다. 다만 82% 수치를 해석하기 전에 두 가지를 분명히 해야 합니다. 이는 고정된 표현을 재사용하는 경량 bounded actor를 로봇 상에서 부품별로 적응시킨 뒤 측정한 값이므로, zero-shot 범용 모델 수치가 아닙니다. 또 한 개 연구실에서 수행한 5개 과제를 다룬 것으로, 동료 심사를 거치지 않은 프리프린트입니다.
“파운데이션”이라는 말이 과도하게 쓰이고 있다
학습 코퍼스인 ManuFacet-1K는 3개 embodiment와 여러 제조 셀에 걸친 힘 동기화 데이터 1,000시간으로 이뤄져 있습니다. 접촉이 많은 조작 작업에는 상당한 데이터셋이지만, “파운데이션”이라는 단어가 보통 뜻하는 규모에 비하면 아주 일부에 불과합니다. 솔직한 표현은 범용 모델이 아니라 물리적 영역에 특화된 모델입니다.
왜 승자보다 벤치마크가 더 중요한가
서브밀리미터 삽입 작업은 휴머노이드와 산업용 로봇 업체들이 공장에 약속해 왔지만 아직 내놓지 못한 바로 그 일입니다. Facet-0의 수치를 어떻게 평가하든, 15% 기준선은 유용한 데이터입니다. 실제 조립에 필요한 허용오차에서 비전만 쓰는 정책이 어느 정도 뒤처져 있는지를 보여주는 공개된 측정치이기 때문입니다.