GPT-6 Astra가 로봇 '뇌'를 직접接管하며, 시뮬레이션 성적이 전용 VLA를 초과했다

동찰 Beating AI 속보, 홍콩대학교 MMLab이 주도하는 로봇 조작 평가 프로젝트 팀 RoboDojo가 반(反)관행적 실험을 진행했다. 그들은 GPT-6 Astra에 훈련된 로봇 정책을 추가로 장착하는 대신, 이 범용 멀티모달 모델이 직접 카메라를 보고, 로봇 상태를 읽고, 작업을 이해한 뒤 스스로 다음 동작을 결정하게 했다. 중간에는 고정된 제어 도구 한 세트만 있어, Astra가 제시한 목표 위치를 로봇 팔 동작으로 변환했다.

42개 시뮬레이션 작업에서 Astra는 28.97점, 평균 성공률 22.48%를 기록하며 기존 공개 1위 DM0.5의 24.90점, 19.34%를 넘어섰다. 같은 제어 방식을 GPT-5.5로 바꾸면 1.13점, 0.88%에 그쳤다.

RoboDojo 공개 리더보드는 과거 주로 VLA, WAM 같은 전용 훈련된 로봇 정책으로 채워져 있었다. 이제 원래 전용 모델이 필요했던 동작 결정의 일부를 범용 대형 모델이 직접 맡을 수 있게 되었고, 전체 성적도 기존 1위를 넘어섰다. 로봇에 별도의 '뇌'를 훈련시킬 필요가 있는지라는 문제가 처음으로 매우 구체적으로 다가왔다.

하지만 Astra는 아직 로봇의 '소뇌'를 대체할 수 없다. 삽입, 액체 붓기, 정밀 접촉 등 실제 물리 제어에 의존하는 작업에서는 확연히 약하다. 실제 로봇 테스트는 위험한 동작이 여러 번 발생하고 하드웨어가 손상되어 팀에 의해 조기 중단되었다.

범용 모델의 능력이 강해짐에 따라 로봇 모델의 역할 분담은 재편될 가능성이 있다: 대형 모델은 환경을 이해하고 판단하고 계획하는 역할을, 전용 VLA와 전통적 컨트롤러는 동작을 정확하고 안정적으로 수행하는 역할을 맡는 것이다.