부엌에 선 휴머노이드와 스탠퍼드의 지름길: 행동 모델 없이 로봇을 제어하다

스탠퍼드 TML 연구실은 2026년 9월 HomeBody를 공개했다(저자 중에는 칼텍 연구자도 있다). 휴머노이드 로봇의 운용을 프런티어급 시각·언어 모델에 직접 맡기는 연구용 시스템이다. 프로젝트 페이지와 9월 27일 The Decoder 보도에 따르면, 이 방식은 보통 학습된 행동 모델(VLA)이 맡는 중간 계층을 건너뛴다. 그 대신 OpenAI 모델(스탠퍼드 페이지에서는 "GPT Astra", The Decoder에서는 "GPT-6 Astra")이 기존의 운동 기술 다섯 가지로 이루어진 라이브러리를 직접 호출해 지도 기반 이동, 물체 집기와 내려놓기, 서랍 열기, 열린 서랍에서 물건 꺼내기를 조율한다.

행동하기 전에 Unitree G1은 주변을 탐색하고 real2sim 과정을 거쳐 Nvidia Isaac Sim에 디지털 트윈을 재구성하며, 물체의 3차원 위치를 공간 기억에 저장한다. 이 내부 지도 덕분에 물체가 당장의 시야에서 벗어나도 다시 찾아갈 수 있다. 온보드 연산은 RTX 4090 GPU 한 장을 단 노트북이 맡아 팔과 손 제어를 250Hz, AMO 정책 업데이트를 50Hz로 처리한다. OpenAI 모델은 API로 호출한다. 연구진이 공개한 정성적 시연에서 로봇은 일반적인 요청 하나만으로 처음 보는 부엌을 정리해 냈고, 그 환경을 위한 별도 학습은 필요하지 않았다.

다만 이 시스템은 아직 성숙하지 않은 기술에서 흔히 보이는 제약도 드러낸다. 저자들은 "GPT Astra의 추론 지연이 기술과 기술 사이에 멈춤을 만든다"고, 작업 전체의 지속 시간이 "휴머노이드의 도달 범위, 조작 능력, 하드웨어 내구성에 의해서도 제한된다"고(자체 번역) 밝혔으며, 특히 손가락 서보모터의 과열을 짚었다. 또 환경을 재구성하려면 준비 시간이 들고, 액수가 밝혀지지 않은 API 비용도 발생한다. 확인 시점 기준으로 공식 GitHub 저장소의 코드는 아직 공개되지 않았고, 라이선스도 표시되지 않았으며, 연결된 arXiv 논문도 없고, 여러 부엌에서 시험을 반복했는지도 분명하지 않다. 성공률이나 시도 횟수에 관한 통계도 없다. 온라인에서 돌고 있는 95%라는 수치는 HomeBody와 무관하며, I2RT YAM 로봇 팔에 대한 제3자 평가에서 나온 것으로 보이는데, 1차 출처로 확인하지는 못했다.

중간의 동작 변환을 건너뛰고 프런티어 지능에 곧바로 기대는 것은 흥미로운 실험이다. 하지만 물리 세계는 순수한 계산과 다른 속도로 움직인다는 사실을 일깨운다. 모델이 API로 답할 때까지 동작이 얼어붙어야 한다면, 매끄러운 몸짓은 아직 먼 목표다. — Olya