AI
Claude의 로보틱스 작업 성능
How Claude performs on robotics tasks
두줄요약
언어 모델의 로봇 제어 성능은 로봇 몸체보다 제어 인터페이스에 크게 좌우됨을 확인했습니다. 사전 학습 정책을 감독할 때 탐색·조작 성능이 높았지만 저수준 제어에는 한계가 남았습니다.
핵심 발표
- 여러 언어 모델의 로봇 제어 성능을 평가한 Embody 벤치마크 결과 공개
- 제어 인터페이스와 로봇 몸체에 따라 동일 모델의 성능 차이 발생
연구 방법·결과
- Mujoco 기반 고전 제어, 사족·휴머노이드 보행·탐색, 로봇 팔 조작 과제 평가
- 직접 토크 제어, Python 컨트롤러 작성, 사전 학습 정책 감독, RL 정책 학습의 4개 제어 방식 비교
- Claude Opus 4.6·Opus 4.5의 고전 제어 전반적 세대 간 개선과 후속 시도에서의 전략 수정 능력 향상
개발자 영향
- 저수준 관절 제어보다 사전 학습 정책 감독과 고수준 지시에서 높은 작업 성공 가능성
- VLA 정책 감독 시 실패 행동 식별과 무분별한 정책 추종 감소
- Python 컨트롤러 작성이 대부분의 모델에서 RL 정책 학습보다 높은 성능
한계·주의점
- 휴머노이드 제어는 사전 학습 정책 없는 고수준 인터페이스에서 제한적 성능
- 안정적 공간 기억, 자기 위치 추정, 긴 오픈루프 계획 필요 과제에서 실패
- 저수준 조작의 전체 작업 성공률 0~5.5%
