OmniBrain-0: A Unified Agentic Model for Embodied Intelligence

이 논문은 로봇의 장기 조작과 내비게이션을 한 개의 가벼운 결정 모델로 통합하는 문제를 전문가 증류와 재귀적 자기개선으로 풀었다.

이 논문은 한마디로 조작과 내비게이션을 하나의 9B 상위 결정 모델이 스킬 호출로 통합 지휘하는 경량 embodied 에이전트 OmniBrain-0를 제안했다. 강력한 교사 모델의 상호작용 경험을 도메인 전문가로 증류한 뒤 다중 교사 온정책 증류로 한 모델에 통합한다. 루브릭 기반 재귀 자기개선(RSI)이 실행 증거를 검증 궤적으로 만들어 모델을 반복 개선한다.

핵심 요약

• OmniBrain-0는 가벼운 통합 에이전트로 조작과 내비게이션을 공유 상위 결정 모델로 묶어 과제 이해, 계획, 진행 추적, 실패 복구를 함께 처리한다.
• LIBERO-Pro에서 전반 성공률 65.5%를 기록했고 평균 과제 완료 시간은 13.8분에서 1.6분으로 8.6배 짧아졌으며 RSI가 성공률을 69.3%까지 올렸다.
• RoboCasa365에서 전반 성공률 39.6%로 RLDX-1의 36.0%를 넘고 퓨샷 백본의 12.2%의 세 배 이상이었다.
• R2R-CE 내비게이션에서 SR을 34.0%에서 65.0%로, NE를 6.57 m에서 3.78 m로 개선했다.
• GPT-5.6-Sol 대비 토큰 사용량은 다섯 벤치마크에서 각각 4.5배, 2.6배, 3.5배, 12.7배, 3.7배 적었다.
• 실제 로봇 과제 세 종류에서 평균 성공률 73.3%로 π0.5의 58.3%를 넘었다.

논문 링크

외부 연구를 정리한 자료입니다. HDATF가 발표한 논문이나 제품 성능을 측정한 결과는 아닙니다.