← 전체 모델 소식

中兴 EmbodiedMind, GRPO 우위 계산을 동작 프리픽스로 이동: 8B 구현 모델의 3단계 학습과 검증 포인트

머신하트가 2026년 11월 6일 '발표' 형식으로 게재한 ZTE 통신 원고에 따르면, 논문 EmbodiedMind는 RSFT, IR-GRPO, Trie-GRPO 3단계 학습 패러다임을 제안하고, 8B 모델이 18개 구현(embodied) 벤치마크에서 평균 70.02%, 장기 계획 정확도가 기존 최고 방법 대비 30.31% 향상됐다고 밝혔다. 또한 Nebula-EmbodiedBrain-180B가 SuperCLUE 9월 구현 브레인 순위에서 국내 공동 1위를 기록했다고 밝혔다. 원문은 가중치, 코드 또는 API 공개를 언급하지 않았다.

게시 수정

주요 변화

머신하트는 2026년 11월 6일 '발표' 형식으로 ZTE의 구현 모델 원고를 게재했다. 해당 기사에 따르면 ZTE 팀의 논문 《EmbodiedMind: Adaptive Data Curation and Prefix-Tree Reinforcement Learning for Efficient Embodied Intelligence》는 3단계 학습 패러다임을 제안한다. 먼저 RSFT로 높은 온도 계수에서 여러 번 추론한 결과에 따라 샘플을 계층화하는데, 모두 정답인 것은 쉬운 샘플, 일부 정답은 불확실 샘플, 모두 실패는 어려운 샘플로 분류하고 학습 세트에는 불확실 샘플과 일정 비율의 쉬운 샘플만 유지한다. 다음으로 IR-GRPO로 각 작업 유형에 독립적인 선입선출 큐를 유지하고, 지수 이동 평균으로 각 작업의 유효 샘플 비율을 평활화하여 다음 라운드 샘플링 할당량을 동적으로 조정한다. 마지막으로 Trie-GRPO로 모든 샘플링 궤적을 하나의 동작 프리픽스 트리에 병렬로 삽입하고, 동일한 역사 프리픽스를 공유하는 궤적은 분기점에서 형제 하위 그룹을 형성하며, 상대 우위는 형제 노드 사이에서만 계산되고, 할인 보상으로 트리 경로를 따라 역전파하며, 거의 0에 가까운 우위 샘플을 필터링하여 탐색 비용을 제어한다. 원문은 EmbodiedMind-8B가 52만 2천 개의 학습 샘플만 사용하여 일반 멀티모달 이해, 2D 공간 추론, 3D 공간 측정 및 작업 계획을 아우르는 18개 벤치마크에서 평균 70.02%를 기록했고, 장기 계획 정확도가 기존 최고 방법 대비 30.31% 향상됐으며, 논문은 ICRA 2027에 투고됐다고 밝혔다. 기사에는 구체적인 대조도 제시됐다. 최대 25단계의 VLM-PlanSim-99에서 66.67을 기록하여 Cosmos3-Nano를 초과했고, ALFWorld-thor 성공률 60.45%로 SEEA-R1의 46.27%와 대조되며, AgiBot A2 기반으로 구축된 50개 데스크톱 장면과 160개 작업 실행 모니터링 영상에서 데스크톱 정리 계획이 62.00%(Qwen3-VL-8B의 40.00%와 대조), 작업 실행 모니터링 정확도 55.31%(46.88%와 대조)를 기록했다. 같은 기사는 또 Nebula-EmbodiedBrain-180B가 SuperCLUE 2026년 9월 EmbodiedCLUE-VLA 구현 브레인 순위에서 77.48점으로 Qwen3.8-Max-0902와 공동 국내 1위를 기록했고, 구현 안전 단일 항목에서 97.92점을 받았다고 밝혔다.

개발자에게 미치는 영향

먼저 '무엇을 연결할 수 있는가'와 '무엇을 참고할 수 있는가'를 구분해야 한다. 원문은 EmbodiedMind-8B나 Nebula-EmbodiedBrain-180B의 가중치 공개, 코드 저장소 또는 호스팅 인터페이스를 언급하지 않았으므로, 이 두 이름은 현재 직접 호출하거나 로컬 배포할 수 있는 대상에 해당하지 않는다. 이 글에서 분석할 수 있는 것은 학습 방법과 평가 기준이다. 구현 또는 VLA 모델의 강화학습 후속 학습을 하고 있다면, '그룹'을 전체 궤적 수준에서 정의할지 동작 프리픽스 수준에서 정의할지가 실패 궤적의 그래디언트 구성을 직접 바꾼다. 원문의 해석에 따르면 궤적 수준 우위는 실패 궤적 내의 올바른 중간 동작까지 함께 벌하고, 프리픽스 트리는 비교를 형제 노드 사이로 한정하며 거의 0에 가까운 우위 샘플을 필터링하여 감당 가능한 탐색 비용을 확보한다. 이 변경은 특정 기반 모델에 의존하지 않으며 원칙적으로 자체 GRPO류 구현에 적용할 수 있지만, 환경이 분기 샘플링 능력을 갖춰야 한다는 비용이 따른다. 평가 중심의 개발자에게 또 다른 단서는 제3자 순위표다. SuperCLUE 9월 기준은 180B급 모델과 2.4T 파라미터 모델을 같은 등급에 두었고, 원문은 국제 참조 모델이 국내 순위에 참여하지 않는다고 명시했지만, 제시된 참조 점수(GPT-6 Astra 86.75, Gemini-3.8-Flash 82.12)는 77.48보다 높으므로 순위표를 읽을 때 순위 범위와 절대 점수를 분리해서 봐야 한다. 전반적으로 이는 방법론 수준의 진전이며, 곧바로 연결 가능한 모델 출시는 아니다.

연동 및 평가 제안

다음은 조건부 권고이며 보도된 사실이 아니다. 권고 1, GRPO의 우위 그룹화를 전체 궤적에서 동작 프리픽스로 바꿀지 여부. 원문이 보고한 변경은 Trie-GRPO다. 표준 GRPO는 궤적 수준 우위를 모든 토큰에 균일하게 적용하며, 한 궤적이 최종적으로 실패하면 중간의 올바른 결정까지 연좌된다. 프리픽스 트리는 동일한 역사 프리픽스를 공유하는 궤적이 분기점에서 형제 하위 그룹을 구성하게 하고, 형제 노드 사이에서만 정규화하여 상대 우위를 계산한다. 해야 할 선택은 다단계 작업의 RL 후속 학습을 궤적 기준으로 그룹화할지, 재생 가능한 동작 프리픽스 기준으로 그룹화할지다. 이 선택을 바꾸는 전제는 환경 능력과 작업 길이다. 시뮬레이터나 실제 환경이 중간 상태에서 리셋되어 동일 프리픽스로 분기할 수 있고, 동일 프리픽스 아래에서 정규화에 충분한 형제 샘플을 수집할 수 있을 때 프리픽스 그룹화가 의미 있다. 작업이 대부분 한두 단계이거나 환경이 중간에서 분기할 수 없으면 궤적 수준 그룹화가 더 쉽게 적용된다. 측정 가능한 판단 기준은 동일 샘플링 예산에서 자체 10단계 이상 장기 평가 세트로 두 그룹의 RL을 실행하여 최종 성공률과 단계별 정확률을 비교하는 것이다. 원문의 30.31%는 저자의 향상 기준이며, 이를 곧바로 자신의 예상 이익으로 삼을 수 없다. 권고 2, 학습 전에 불확실성 필터링을 추가할지 여부. 원문이 보고한 것은 RSFT다. 높은 온도 계수에서 여러 번 추론하여 샘플을 전부 정답, 일부 정답, 전부 오답 세 가지로 나누고, 학습 세트에는 일부 정답 샘플과 일정 비율의 쉬운 샘플만 유지하며 전부 오답 샘플은 일단 제외한다. 해야 할 선택은 SFT 전에 이 필터링을 추가할지, 그리고 쉬운 샘플을 얼마나 유지할지다. 전제는 채점 신호가 충분히 신뢰할 만해야 한다는 것이다. 계층화는 '정답/오답' 판정에 전적으로 의존하므로 채점 잡음이 크면 분류 자체가 왜곡되고, 여러 번의 높은 온도 추론에 먼저 추론 비용이 든다. 측정 가능한 판단 기준은 필터링 후 유효 샘플 수와 학습 라운드를 기록하고, 전체 코퍼스 SFT와 각 능력의 평가 점수를 대조하며, 초기에 출력 다양성이 급감하는 분포 붕괴 징후가 나타나는지 주시하는 것이다. 권고 3, 동적 샘플링에 작업 수준 할당량을 추가할지 여부. 원문이 보고한 것은 IR-GRPO다. 각 작업 유형에 독립적인 선입선출 큐를 유지하고, 지수 이동 평균으로 각 작업의 유효 샘플 비율을 평활화한 뒤 다음 라운드 샘플링 할당량을 동적으로 조정한다. 해야 할 선택은 DAPO식 동적 샘플링 위에 작업 태그별 할당량 제어를 추가할지 여부다. 전제는 샘플에 신뢰할 만한 작업 유형 태그가 있고 작업 난이도가 본질적으로 불균형해야 한다는 것이다. 작업이 매우 동질적이면 이 제어 계층의 이익은 제한적이다. 측정 가능한 판단 기준은 라운드별로 각 작업 유형 점수를 기록하여 한 유형이 오르고 다른 유형이 내려가는 시소 현상이 나타나는지 확인하고, 할당량을 추가했을 때와 추가하지 않았을 때 최저 작업 유형의 점수 하한을 비교하는 것이다.

제한과 확인할 사항

이 원고는 머신하트가 '발표' 형식으로 게재했으며, 방법과 수치는 ZTE 팀 논문 및 원문 진술에서 나온 것으로, 이 글은 독립적으로 재현하지 않았고 실제 로봇에서 어느 항목도 검증하지 않았다. 논문 상태는 'ICRA 2027 투고'이며, 접수되었거나 동료 검토를 거친 것이 아니고, 벤치마크 점수는 저자 자체 보고 기준이다. 원문은 또한 30.31%가 상대적 향상인지 절대 퍼센트포인트 차이인지 밝히지 않았으므로 이 수치를 읽을 때 해당 불확실성을 유지해야 한다. 실기 결론은 50개 데스크톱 장면과 160개 모니터링 영상으로 구성된 A2-Failure 데이터 세트에 기반하며, 장면 규모가 제한적이어서 환경을 바꾼 후의 전이 효과는 알 수 없다. SuperCLUE 순위표는 2026년 9월 기준으로 원고 게재일보다 이르며, 원문은 국제 모델이 참고 항목일 뿐 국내 순위에 참여하지 않는다고 명시했으므로 순위표 점수를 시간에 걸친 지속적 결론으로 삼을 수 없다. 원문은 가중치, 코드 또는 API 공개를 언급하지 않았다. 2026년 11월 12일 기준 KimiSeek 온라인 카탈로그를 확인한 결과 EmbodiedMind-8B와 Nebula-EmbodiedBrain-180B 모두 수록되지 않았으며, 향후 호스팅 인터페이스가 나타나면 그 가용성은 제공자 기준에 따른다.

3분이면 첫 호출까지

가입 후 API 키를 만드세요. 호출 비용은 계정 잔액에서 차감됩니다. 첫 충전 30% 할인. ¥500 충전, 결제 ¥350, 잔액 ¥500 적립. ¥1000 충전, 결제 ¥850, 잔액 ¥1000 적립 최소 충전 금액은 그대로 ¥10이며, 시험용으로 사용할 수 있습니다.

출처와 편집 과정

让机器人学会「一口气干完一件活」,中兴 EmbodiedMind 重构具身大脑训练范式

인용한 출처를 바탕으로 AI가 분석과 번역을 돕고 자동 품질 검사를 수행합니다. 제안은 실측 결과가 아닙니다. 제공 여부와 가격은 현재 카탈로그를 확인하세요.