심층 해설 · 약 4분 읽기
ACE-Brain-0.6: 검증 가능한 데이터로 9B 공간 그라운딩을 학습하는 방법
SenseTime과 Daxiao가 다양한 공간 감독 데이터를 설명했다. Astra 대비 공개 평가 5개 우위, 2개 열세와 별도 자체 평가를 함께 봐야 한다.
- 사이트 게시일
- 원문 게시일
- 출처 확인일
SenseTime의 10월 20일 기술 발표는 Daxiao의 ACE-Brain-0.6을 시각 그라운딩에 특화된 9B 모델로 소개한다. 핵심은 데이터 구축 방법과 범위가 정해진 비교이며, 작은 모델이 범용 모델의 모든 능력을 넘어섰다는 증거는 아니다.
뉴스 듣기
이 기사를 읽어 드리거나 뉴스를 계속 재생합니다.
읽기를 준비하는 중…
기기 음성
읽기는 브라우저나 기기에서 처리합니다. AISubHub는 내용을 오디오 API로 보내지 않습니다. 사용 가능한 음성과 잠금 화면 재생은 기기에 따라 다릅니다.
계속 재생할 때 짧은 구절이 반복될 수 있습니다.
핵심 요약
- 공개 평가 7개의 평균은 74.53 대 GPT-6 Astra 73.68이다. RefSpatial과 PointArena는 낮으며, 여섯 번째 우위는 자체 RobotGrounding에서 나온다.
- 약 100만 학습 샘플, 서로 다른 이미지 94만 장, 질문·응답 쌍 270만 개는 서로 다른 단위이므로 합산하거나 같은 수량으로 볼 수 없다.
- 기존 유형을 더 반복하는 것보다 새 장면·공간 관계·감독 형식이 효과적이었다는 팀의 보고다. AISubHub가 독립 측정한 결과가 아니다.
로봇 작업의 어느 부분을 개선하는가
시각 그라운딩은 언어를 이미지의 물체, 영역, 위치와 연결한다. ACE-Brain-0.6은 식별, 개수 세기, 공간 관계와 상호작용 위치를 다룬다. 합리적인 계획을 고른 뒤에도 물리 동작이 일어날 정확한 지점을 찾아야 한다. 말로 된 답이 그럴듯하더라도 작은 좌표 오차가 중요할 수 있는 이유다.
AISubHub의 교육용 가정으로 컵을 그릇 옆에 놓는 상황을 보자. 제품 실험 사례가 아니다. 로봇은 두 물체를 찾고 “옆”을 해석하며 빈 공간을 확인해야 한다. 컵이 없는데 좌표를 지어내면 잘못된 답이다. 대상 부재를 올바르게 판단하는 것과 정확한 위치 지정은 상호 보완적 지각 요건이지만 안전한 실행을 증명하지는 않는다.
행동 기록을 공간 라벨로 바꾸는 과정
Daxiao는 30개가 넘는 공개 로봇 데이터 계열과 비공개 Ego 데이터, 사람의 1인칭 상호작용, 물체·부품의 조밀한 주석, 3차원 공간 데이터를 결합했다고 설명한다. 궤적은 행동을 기록하지만 지시가 어떤 물체나 접촉 영역을 가리키는지 자동으로 알려주지 않는다. 파이프라인은 이처럼 다른 자료를 명시적인 공간 감독 신호로 바꾼다.
조작 영상에서는 그리퍼 상태와 움직임 크기로 핵심 프레임을 고르고 장면의 물체 어휘를 구성한다. Grounding DINO와 SAM 3가 위치·영역 추출과 의미 수정을 지원한다. 이를 통해 지칭, 개수, 관계, 상호작용 위치, 대상 부재 질문을 만든다. 변환 단계에서도 라벨 오류가 생길 수 있으므로 답을 실제 보이는 근거와 연결하는 과정이 중요하다.
감독 답변은 어떻게 검증하는가
발표는 인스턴스 주석이 완전한 경우에만 개수 질문을 만들고, 부재 질문에는 대상이 화면에 없다는 확인이 필요하다고 설명한다. 주석 검증, 답변 균형화, 평가 데이터 제외는 잘못된 감독과 편법을 줄이려는 절차다. 이는 팀의 과정 설명이며 잔여 오류율을 독립 측정했다는 뜻은 아니다.
규모는 약 100만 학습 샘플, 서로 다른 이미지 94만 장, 질문·응답 쌍 270만 개다. 다른 단위이므로 더하거나 같다고 취급하면 안 된다. Qwen3.5-9B를 기반으로 시각 인코더를 고정하고 언어 모델 파라미터를 지도 미세조정한다. 통합 인터페이스는 좌표, 영역, 개수와 판단을 출력한다. 추론 비용 절감 수치는 제시되지 않았다.
전체 승패 표가 말하는 범위
업체 표의 ACE 대 GPT-6 Astra 점수는 Where2Place 76.55/71.10, PixMo-Count 89.41/88.10, RoboSpatial 74.82/69.55, RoboAfford 88.51/84.94, ShareRobot 49.70/46.60이다. 반대로 RefSpatial 68.35/80.14와 PointArena 74.34/75.36에서는 낮다. 공개 7개 평균 74.53/73.68도 작업별 차이와 함께 읽어야 한다.
여덟 번째는 Daxiao가 만든 RobotGrounding으로, 작은 물체, 부재, 카메라 간 대응 등을 포함한 14개 작업 범주의 2591문항이다. 점수는 94.13/91.10이다. 따라서 여섯 번의 우위는 공개 5개와 자체 1개이지 공개 6개가 아니다. 로봇 장면에서 나온 문제라도 그라운딩 평가이며, 94.13을 처음부터 끝까지 물체를 조작한 성공률로 해석할 수 없다.
데이터를 늘리면 계속 같은 폭으로 좋아지는가
팀은 구조와 학습 방법을 유지한 채 26만 샘플을 약 100만으로 늘렸다. 공개 평균은 69.3에서 74.5로 올랐다. 발표는 실험 구간에서 대략 로그 선형 추세와 두 배 증가당 약 2.4점 향상을 설명한다. 보고된 통제 비교이지 앞으로 데이터를 두 배 늘릴 때마다 같은 효과를 보장하는 약속은 아니다.
같은 설명에서 기존 유형의 예제를 늘리는 것만으로는 향상이 1점 미만이었다. 새 장면과 공간 관계, 감독 형식이 더 중요했다. AISubHub는 반복이 기존 범위를 강화한다면 범위 확장은 배울 수 있는 내용을 바꾼다고 해석한다. 이 설명도 보고된 품질 관리와 평가 분리를 전제로 하며 보편적인 스케일링 법칙은 아니다.
실제 로봇 배포 전에 무엇을 더 확인해야 하나
발표는 전문 지각 부품을 검토할 근거이지 계획·제어 스택 전체를 대체할 근거는 아니다. 그라운딩 평가는 카메라 보정, 동작 실행, 충돌 처리나 잘못된 위치 이후의 복구를 직접 시험하지 않는다. AISubHub는 부재 대상과 위치 오차를 후속 결과와 연결해 확인하고 평균 점수를 안전 보장으로 바꾸지 않을 것이다.
모든 실험 결과는 SenseTime과 Daxiao의 자체 보고에 귀속된다. 신뢰구간, 비용, 지연, 배포 자격, 다운로드 라이선스, 작업별 실기 성공 데이터는 제공되지 않았다. 공식 본문과 필요한 그림 3개를 완독했지만 실험 재현이나 별도 원 논문 완독은 하지 않았다. 다운로드 가중치나 API 이용 가능 여부도 검증되지 않았다.
중요한 이유
AISubHub 분석: 로봇이 어디에서 행동하고 대상이 없을 때 어떻게 판단하는지 학습 과정을 점검하는 데 의미가 있다. 그라운딩 점수는 지각 구성요소 선택의 자료이지 전체 로봇의 안전 인증은 아니다.
제한 및 이용 가능성
완독한 자료는 공식 기술 발표이며 독립적인 원 논문 심사가 아니다. 신뢰구간, 비용, 지연, 배포 자격, 다운로드 라이선스, 작업별 실제 로봇 성공 데이터가 없다. 독립 실험이나 가중치·API 공개 확인은 하지 않았다.
출처와 근거
원문 게시일: · 출처 확인일:
AI 보조 편집 기사를 명시한 일차 출처와 대조합니다. 업체 주장은 출처를 밝히며 게재는 추천을 뜻하지 않습니다.