7개 대학, OpenWAM 오픈소스 공개: 월드 액션 모델 풀스택 프레임워크와 기반 가중치 발표

머신하트 보고에 따르면, 싱가포르국립대학교, 칭화대학교, 베이징대학교 등 7개 대학 연구팀이 OpenWAM을 오픈소스로 공개했다. 구성 요소는 모듈형 인프라 OpenWAM-Infra, 통제 실험 연구 OpenWAM-Study, 기반 모델 OpenWAM-α이며, 8개 시뮬레이션 벤치마크와 3종 실제 로봇 플랫폼을 포괄하고 사전학습 가중치와 데이터 레시피를 함께 발표했다.

게시 2026. 9. 24.수정 2026. 10. 25.

주요 변화

머신하트 보고에 따르면, 싱가포르국립대학교, 칭화대학교, 베이징대학교 등 7개 대학 연구팀이 월드 액션 모델(WAM)을 위한 풀스택 연구 프레임워크이자 기반 모델로 OpenWAM을 오픈소스로 공개했다. 프로젝트는 세 층으로 구성된다. OpenWAM-Infra는 조합 가능한 모델(비전 인코더, 데이터 흐름 백본, 가시성 어텐션 마스크를 독립적으로 교체 가능하며 단일 시스템, 이중 시스템, 삼중 시스템 아키텍처를 지원), 통합 학습 런타임(사전학습, 미세조정, 중단점 재개, 체크포인트에 전체 구성과 액션 정규화 통계 저장), 배포 런타임(동일 정책 서버가 서로 다른 모델을 호스팅하며 동기/비동기 추론과 다양한 디노이징 스케줄 지원), 평가 프로토콜(LIBERO, LIBERO-Plus, VLABench, RoboTwin2.0, RoboDojo, RoboCasa365, EBench, RoboCasa-GR1 8개 시뮬레이션 벤치마크 포괄)을 제공한다. OpenWAM-Study는 고정 예산 아래 통제 실험을 수행하며, 백본 용량 비교(Wan2.1-VACE-1.3B 90.14%, Cosmos-Predict2.5-2B 91.64%, Wan2.2-TI2V-5B 92.39%, Wan2.1-I2V-14B 93.79%), 정보 흐름 절제 실험(액션 흐름이 월드 흐름을 단방향으로 보는 경우 92.39%, 양방향 상호 참조 92.15%), 교차 도메인 체화 사전학습 결과(제로 시작 OOD 성공률 14.50%, 공동 학습 26.62%)를 보고했다. OpenWAM-α는 Wan2.2-VAE를 동결 비전 인코더로, Wan2.2-TI2V-5B를 비디오 흐름 백본으로, 1B 파라미터 ActionDiT를 액션 흐름 처리에 사용하며, 80차원 통합 액션 공간을 사용하고 사전학습 실제 학습 세트는 약 5억 1,850만 프레임, 약 6,369시간 규모다. 논문은 EBench에서 SR과 Score가 2위 대비 약 4%포인트 앞선다고 주장하며, 단일 팔 실제 로봇 6개 과제 평균 성공률 82.5%와 학습에서 보지 못한 정교한 손(灵巧手) 형태에 미세조정한 결과도 보고했다.

개발자에게 미치는 영향

로봇 학습 방향 개발자에게 영향은 주로 세 가지이며, 모두 출처 보고에 기반한 추론이지 검증된 사실은 아니다. 첫째, 통합 액션 공간과 유효성 마스크 방식은 서로 다른 플랫폼의 관절/말단 액션을 고정 슬롯에 매핑하므로, 교차 형태 미세조정 시 액션 헤드를 다시 작성할 필요가 없어 새 로봇 플랫폼을 연동할 때 비용을 낮춘다. 다만 대가로 액션과 상태를 슬롯에 매핑하는 규약을 먼저 완성해야 한다. 둘째, 출처가 보고한 배포 데이터(동기 추론, 10단계 공동 디노이징, 고정 형상 컴파일, CUDA Graph, 속도 캐시, 프롬프트 임베딩 캐시, 제어 경로 VAE 디코딩 건너뛰기를 통해 RTX 5090에서 단일 액션 블록 약 170밀리초)는 추론 스택이 고정 형상과 캐시에 고도로 최적화되었음을 보여준다. 입력 해상도, 액션 블록 길이, 배치 크기가 자주 바뀌면 이런 최적화의 이득은 뚜렷하게 줄어든다. 셋째, 출처는 WAM과 VLA의 역할 분담을 명확히 지적했다. WAM은 분포 내 과제에서 학습 분포에 더 잘 맞고, VLA는 분포 외 교란에서 일반적으로 더 견고하며, LIBERO-Plus에서의 하락은 주로 카메라와 노이즈 교란에 집중되고, 이는 사전학습 데이터에서 유사한 단일 팔 교란 샘플 비율이 제한적이고 픽셀 잠재 공간 장기 예측이 시점 노이즈에 더 민감하기 때문으로 귀속된다. 따라서 WAM을 센서 배치가 자주 바뀌거나 고주파 진동이 있는 현장에 직접 사용하려면, 개봉 즉시 일반화를 기대하기보다 먼저 해당 상황에 맞춘 데이터 보강이 필요하다.

연동 및 평가 제안

다음은 제안과 조건부 분석이며, 출처가 진술한 사실이 아니다. 제안 1: 비디오 백본 교체 여부는 컴퓨팅 예산과 성공률 차이 허용도에 달려 있다. 출처는 14B 백본이 5B보다 1.40%포인트 높다고 보고했고 5B가 기본으로 선택되었으므로, 단일 머신 다중 GPU로 잦은 재학습이 필요한 단계라면 5B를 베이스라인으로 삼고, 평가 기준을 동일 RoboTwin2.0 구성, 고정 예산에서 평균 성공률이 현재 방안 이상이며 단일 학습과 단일 액션 블록 추론 지연을 기록하는 것으로 설정하라. 고정밀 장기 조작 과제이고 안정적 컴퓨팅이 이미 있다면 14B가 노이즈 수준을 넘는 이득을 주는지 추가 검증하라. 제안 2: 양방향 상호 참조 정보 흐름 채택 여부는 교차 도메인 체화 사전학습 수행 여부에 달려 있다. 출처는 제로 시작 시 단방향 월드→액션이 약간 우세하지만, 사전학습 후에는 양방향 상호 참조가 도메인 내와 도메인 외 모두 더 안정적이라고 보고했다. 따라서 공식 사전학습 가중치를 직접 미세조정한다면 양방향 상호 참조 구성을 우선 재현하고, 소규모 데이터로 제로부터 자체 학습한다면 단방향 설정을 먼저 비교하라. 평가 기준은 Clean2Random 계열 무작위화 설정의 성공률로 하고 도메인 내 지표가 베이스라인 대비 뚜렷한 하락이 없을 것을 요구하라. 제안 3: 인간 1인칭 시점 데이터 투입 여부는 병목이 도메인 내 정밀도인지 분포 외 일반화인지에 달려 있다. 출처는 사전학습이 도메인 내 향상은 제한적이고 OOD 향상은 두드러지며, 단일 단계 공동 학습이 단계별 학습보다 약간 우수하다고 보고했다. 현장 문제가 새 조명, 새 배경, 새 카메라 포즈라면 인간 1인칭과 로봇 혼합 데이터를 우선 확충하고 단일 단계 학습을 하라. 기본 파지 실패율이 높다면 로봇 궤적의 액션 주석 품질을 먼저 보강하라. 제안 4: 액션 공간을 연동하기 전에 소규모 재생으로 80차원 매핑에서 사용되지 않는 차원이 유효성 마스크로 올바르게 차단되는지 검증한 뒤, 미세조정 후 과제 성공률을 평가하여 무효 차원이 학습 신호를 오염시키지 않도록 하라.

제한과 확인할 사항

OpenWAM-α 이 버전은 현재 KimiSeek 실시간 모델 카탈로그에 없으며, 개발자는 본 사이트에서 직접 호출할 수 없다. 출처에서 언급된 모델과 데이터 공개는 Hugging Face 등 프로젝트 페이지를 가리키며 본 사이트 가용성과 무관하다. 출처의 모든 성능 수치(각 백본 평균 성공률, EBench 선두 폭, 실제 로봇 성공률 포함)는 논문 저자 자술이며, 이 글은 독립 재현하지 않았고 통일 조건에서 이들 방법과 재비교하지도 않았다. 서로 다른 백본은 구조, 데이터, 목표가 완전히 동일하지 않으며, 출처 자체도 이득을 단순히 파라미터 수에 귀속시킬 수 없다고 경고한다. 실제 로봇 결과는 연구팀 실험 플랫폼에서 나온 것으로, 과제 집합, 평가 프로토콜, 하드웨어 구성이 생산 현장과 크게 달라 직접 외삽할 수 없다. 출처가 보고한 '퍼스트 티어' 등의 표현은 벤치마크별 완전한 순위가 없으므로 독자는 논문 패널 데이터를 기준으로 삼아야 한다. 프로젝트가 오픈소스 라이선스를 채택했는지, 가중치의 상업적 사용이 허용되는지는 출처가 설명하지 않았으며, 가중치 다운로드 가능이 오픈소스 라이선스 취득을 의미하지 않으므로 저장소와 모델 카드의 실제 조항을 기준으로 해야 한다. 재현성은 사전학습 가중치, 데이터 레시피, 평가 프로토콜의 완전한 확보 여부에 달려 있으며, 출처는 공개했다고 밝혔지만 실제 완전성과 향후 유지보수 전략은 아직 알 수 없다. 데이터 출처의 배포 라이선스도 재학습 용도를 제한할 수 있다.