MIT 레슬리 켈블링 로봇 강연: 계획하는 로봇과 데이터 학습의 균형점, 시연 3회 일반화
MIT 레슬리 켈블링 교수가 CMU 로보틱스 연구소 세미나에서 데이터로만 배우는 로봇의 한계를 짚고, 믿음과 세계 모델을 갖춘 로봇이 시연 세 번만 보고 시연자의 의도를 추론해 새로운 장면에서 작업을 해내는 연구 결과를 소개했다.
핵심 내용 읽기 →
AI TOPIC
세계모델 최신 뉴스와 핵심 해설
세계모델 관련 핵심 뉴스와 활용 인사이트 11편을 최신순으로 모았습니다.
MIT 케일블링 교수의 로봇 지능론: 세계 모델과 계획이 정책 학습보다 강한 이유
MIT 레슬리 케일블링 교수가 UC버클리 EMBER 세미나에서 밝힌 로봇 지능 설계론. 정책을 통째로 학습하는 대신 희소하고 객체 중심적인 세계 모델을 만들어 실행 시점에 계획하게 하면 시연 몇 번으로도 일반화된다는 주장이다.
핵심 내용 읽기 →
AI 세계모델 검증: 도시 산책 영상 공간추론 벤치마크와 동물 동작 예측 실험 결과
AI가 세계에 대한 내부 모델을 갖는지 확인하려면 무엇을 시험해야 할까. 연구자는 도시 산책 영상으로 만든 공간 추론 벤치마크와 동물 동작 예측 실험을 통해 현재 모델이 잘하는 일과 못하는 일을 갈라 보여 준다.
핵심 내용 읽기 →
엔비디아 코스모스 3 해설: 옴니모달 세계 모델이 피지컬 AI의 고리를 닫는 방식
코스모스 3는 장면을 이해하는 추론기와 미래를 만들어 내는 생성기를 한 아키텍처에 담은 개방형 세계 모델입니다. VLA와 세계 모델이 각각 놓쳤던 지점을 어떻게 메우려 하는지, Genie 3나 V-JEPA 2와는 무엇이 다른지 정리했습니다.
핵심 내용 읽기 →
Orca 논문 정리: 다음 상태 예측으로 언어·이미지·로봇 행동을 하나로 묶은 세계 모델
베이징 AI 아카데미가 공개한 Orca는 다음 단어나 다음 장면이 아니라 세상의 다음 상태를 예측하도록 학습한 모델이다. 하나의 잠재 공간에서 언어·이미지·로봇 행동을 모두 풀어내며 각 분야 전문 모델을 앞선 결과를 정리했다.
핵심 내용 읽기 →
얀 르쿤의 JEPA vs VLA — 세계 모델·V-JEPA로 보는 로봇 AI의 두 갈래
지금 가장 인상적인 로봇 두뇌인 VLA 모델을 두고 얀 르쿤은 '가망 없다'고 말한다. LLM 대신 세계 모델을 학습하는 JEPA 접근이 무엇이고 어떤 장단점이 있는지 짚었다.
핵심 내용 읽기 →
자기지도학습과 JEPA: AI가 라벨 없이 세계 모델을 배우는 원리
정답 라벨 없이 AI가 세계를 이해하는 자기지도학습의 흐름을 대조학습, MoCo·SimCLR, BYOL·DINO, 마스크드 오토인코더, 그리고 임베딩 공간에서 예측하는 JEPA까지 한눈에 정리했다.
핵심 내용 읽기 →
JEPA 쉽게 이해하기: 얀 르쿤의 세계 모델과 잠재 공간 표현 예측 아키텍처 완전 정리
얀 르쿤이 밀고 있는 JEPA(공동 임베딩 예측 아키텍처)의 핵심을 쉽게 풀이합니다. 픽셀 대신 잠재 공간에서 표현을 예측하는 원리, 표현 붕괴 문제와 해법(EMA·LeJepa), 세계 모델과 의료 영상 활용까지 정리했습니다.
핵심 내용 읽기 →
Qwen-AgentWorld 세계모델: 가상 환경을 만들어 AI 에이전트를 훈련하는 새로운 방법
알리바바 Qwen이 공개한 Qwen-AgentWorld는 행동의 결과를 예측하는 '세계모델'이다. 터미널·웹·앱 등 7개 영역의 환경을 흉내 내 에이전트를 값싸게 훈련하는 원리와 3단계 학습법을 자막 근거로 정리했다.
핵심 내용 읽기 →
몸을 얻은 AI: 100달러 로봇 실험으로 본 로보틱스와 세계 모델의 미래
말을 배운 AI 모델이 단어 대신 행동을 직접 출력하면 무슨 일이 벌어질까. 100달러짜리 자작 로봇에 최신 AI를 심은 실험을 통해 강화학습, 세계 모델, 소뇌의 원리와 로보틱스의 방향을 짚는다.
핵심 내용 읽기 →
AI가 추론을 배운 과정: 체스·바둑 게임 AI에서 알파고·MuZero, 사고의 사슬과 강화학습까지
체스·바둑 게임 AI의 세계 모델과 몬테카를로 탐색에서 시작해, 알파고와 MuZero의 자가 학습, 세계 모델 학습, 그리고 사고의 사슬·생각의 나무·강화학습으로 이어진 AI 추론 능력의 발전 계보를 짚었다.
핵심 내용 읽기 →