이름을 밝히기를 거부하고 있음에도 두 가지 글로벌 벤치마크에서 1위를 차지했다
지난 며칠 동안 월드 모델 공간은 유난히 활기가 넘쳤습니다.
리페이페이(Fei-Fei Li)가 이끄는 공간 지능 분야 유니콘 기업 월드 랩스(World Labs)가 “스파크 2.0(Spark 2.0)”을 대대적으로 출시하자, 알리바바도 곧바로 자사의 세계 모델 “해피 오이스터(Happy Oyster)”를 선보였다.”
거의 같은 시기에, Physical Intelligence도 새로운 모델인 π 0.7을 공개하며, 이 모델이 미처 보지 못한 과제에 대한 초기 구성적 일반화 능력과 로봇 간 플랫폼 간 전이 특성을 강조했습니다.
이러한 일련의 움직임 자체가 하나의 신호를 보내고 있다. 즉, 업계 내 경쟁의 초점이 “개별적인 행동을 수행할 수 있는 주체’에서, 단일 모델 내에서 ”세상을 예측하는 것’과 “행동을 주도하는 것’을 통합하는 데 더 가까운 주체로 옮겨갔다는 것이다.
이 시점에서, ‘ 모투브레인 회사 이름 하나 없이 조용히 두 가지 국제적 벤치마크의 정상에 올랐다.
단순히 하나의 순위표에서 1위를 차지한 것뿐이라면, 그리 드문 일은 아닐지도 모릅니다.
하지만 문제는, 이와 동시에 사라진 것이 업계의 “두 극단’을 거의 대표한다고 할 수 있는 두 가지 리더보드라는 점입니다. 하나는 월드 모델이 실제 세계를 진정으로 이해하고 예측하는지 여부를 측정하는 ”WorldArena’이고, 다른 하나는 로봇의 과제 수행 능력과 일반화 능력을 평가하는 ‘RoboTwin2.0’입니다. 하나는 세계 예측에, 다른 하나는 과제 수행에 중점을 두고 있는데, 이 두 가지는 함께 업계가 현재 해결하고자 하는 통합된 문제를 정확히 반영하고 있습니다.
MotuBrain, WorldArena와 RoboTwin 2.0 모두에서 선두를 달리고 있다
WorldArena에서 MotuBrain은 종합 EWM 점수 63.77점을 기록하며 1위를 차지했습니다. 이 결과에서 볼 수 있듯이, MotuBrain의 성능은 Gaode의 ABot이나 Jijia의 GigaWorld-1과 같은 모델들을 능가하며, 동작 품질, 흐름 점수, 동작 부드러움과 같은 주요 동작 평가 항목 전반에 걸쳐 선두를 달리고 있습니다.
RoboTwin 2.0에서 MotuBrain은 Clean 환경과 Randomized 환경에서 각각 95.8점과 96.1점을 기록하며 1위를 차지했습니다. 이 모델은 무작위화 환경에서 평균 점수가 95점을 넘은 리더보드 내 유일한 모델이며, 대부분의 특정 과제에서 100점 또는 100점에 가까운 점수를 기록했습니다. Gaode ABot과 같은 모델과 비교했을 때, Ant Lingbo LingBot, JEPA-VLA, pi0.5 등 다양한 평가 기준에서 MotuBrain은 RoboTwin 벤치마크에서 압도적인 성능을 보여줍니다.
바로 이 “이중 1위” 덕분에 사람들은 이 알려지지 않은 모델에 관심을 갖기 시작했습니다.
간단히 검색해 보니 온라인상에는 여전히 MotuBrain에 대한 정보가 거의 없지만, 이번 달에 등록된 X 계정이 하나 있는 것으로 나타났습니다.
이 때문에 알리바바가 나중에 소유권을 주장했던(이후 X 계정도 개설한) 초기 “Huanle Ma’가 떠오릅니다.
이 신비로운 세계 모델—혹시 국내 대형 기술 기업에서 나온 것일 수도 있을까?
MotuBrain의 결과가 중요한 이유
WorldArena와 RoboTwin은 같은 유형의 테스트가 아니며, 서로 다른 두 가지 능력을 측정합니다.
WorldArena는 세계 모델의 차원을 평가합니다. 즉, 모델이 운동 법칙을 이해할 수 있는지, 시계열에서 발생하는 물리적 변화를 정확하게 추론하고 예측할 수 있는지, 그리고 환경 상태의 변화를 인지할 수 있는지 여부를 평가합니다. 이것이 바로 세상을 예측하는 능력입니다.
반면 RoboTwin은 행동 모델 또는 정책 모델 차원에 중점을 둡니다. 예를 들어, 모델이 여러 작업과 환경에서 안정적으로 행동을 수행할 수 있는지, 본 적 없는 시나리오로 일반화할 수 있는지, 복잡한 작업을 지속적으로 완료할 수 있는지 등을 평가합니다. 이것이 바로 현실 세계에서 행동하는 능력입니다.
이렇게 생각해 보세요. 인간 운전자가 복잡한 교통 상황에서도 안전하게 운전할 수 있는 이유는 단순히 근육의 기억 때문만이 아니라, 다음 순간에 무슨 일이 일어날지 끊임없이 예측하기 때문입니다. 앞차가 갑자기 브레이크를 밟을까? 보행자가 예기치 않게 길을 건널까? 이러한 예측과 행동의 조화가 바로 인간 지능의 근본적인 원리입니다.
대부분의 기존 로봇 시스템은 바로 이 단계가 부족합니다. 이들은 세상을 잘 이해하지만 어떻게 행동해야 할지 모르거나, 정해진 행동은 수행할 수 있지만 환경 변화에 대한 예측 능력이 없는 경우가 많습니다. 이러한 분리는 로봇이 훈련 시나리오를 벗어나면 쉽게 실패하게 만듭니다.
지난 몇 년 동안 두 방향 모두 탐구되어 왔지만, 대부분은 서로 분리된 상태로 진행되었습니다. 영상 생성과 세계 모델을 연구하는 팀들은 모델이 물리적 세계를 현실적으로 시뮬레이션할 수 있는지에 초점을 맞추고 있으며, 로봇 정책과 VLA를 연구하는 팀들은 모델이 특정 작업에서 안정적으로 실행되도록 하는 방법에 중점을 두고 있습니다. 이 두 분야를 진정으로 통합하려는 시도는 거의 없었으며, 안정적인 결과를 얻은 사례는 더욱 드뭅니다.
MotuBrain이 두 가지 유형의 벤치마크에서 모두 1위를 차지한 것은 적어도 벤치마크 차원에서 한 가지 사실을 입증해 줍니다. 바로, 세계 예측과 행동 구동을 단일 모델 내에서 통합하는 것이 실행 가능한 방안이라는 점입니다.
공동 1위: 과연 어디에서 우승할까?
월드아레나 순위표에서 모투브레인이 특히 눈에 띄는 점은 여러 부문에서 선두를 달리고 있다는 것입니다.
모션 품질이 1위를 차지했는데, 이는 모델이 생성한 동작이 단순한 시각적 움직임 효과에 그치지 않고 더 사실적임을 의미합니다.
‘플로우 스코어(Flow Score)’가 1위를 차지했는데, 이는 연속적인 움직임과 궤적에 대한 더 깊은 이해와 대규모 움직임 변화를 안정적으로 예측할 수 있는 능력을 보여줍니다. 즉, 프레임을 하나씩 이어붙이는 방식이 아니라, 한 순간과 다음 순간을 매끄럽게 연결해 냅니다.
‘모션 부드러움’이 1위를 차지했는데, 이는 생성된 동작이 부자연스러운 갑작스러운 가속, 떨림, 방향 변화 없이 실제 물리 법칙을 더 잘 따르고 있음을 의미합니다.
이 세 가지 차원은 모두 움직임과 직접적인 관련이 있습니다. 로봇을 위한 미래 세계 모델에 있어, 이것이야말로 가장 중요한 기능입니다.
작업 수행에 더욱 중점을 둔 RoboTwin에서는 이러한 장점이 더욱 두드러지게 나타납니다. 50개의 과제와 두 가지 서로 다른 환경 설정에서 MotuBrain의 평균 점수는 96.0점을 기록했으며, 이는 92.3점을 기록한 2위보다 현저히 높은 수치입니다. 이 점수 차이는 2위와 5위 간의 점수 차이와 거의 비슷합니다.
더 중요한 점은 안정성입니다. 작업의 절반은 100%의 성공률을 보이며, 90%의 작업은 90%를 상회합니다. 이는 단순히 작업을 올바르게 수행할 수 있다는 것을 넘어, 여러 작업에 걸쳐 그리고 무작위적인 방해 요인이 있는 상황에서도 일관되게 결과를 재현할 수 있음을 의미합니다.
종합해 보면, 이러한 결과들은 행동 수준에서 연속성과 일관성을 유지하면서도 과제 간 일반화 능력을 갖춘, 보다 일반적인 로봇 뇌에 가까운 무언가를 시사한다.
이 뒤에 누가 있으며, 그들은 어떤 길을 가고 있는가?
현재 MotuBrain에 대한 공개 정보는 거의 없습니다. 하지만 두 리더보드 전반에 걸친 결과의 구조를 미루어 볼 때, 이 모델이 기존의 영상 모델이나 순수한 VLA 또는 정책 모델일 가능성은 낮아 보입니다. 이는 기존의 적응적 사고 최상위 언어 모델에서 발견되며, 순수한 물리적 지능에 집중하고 있다.
지난 1년 동안 세계 모델과 행동 모델을 둘러싼 탐구는 업계 내에서 몇 가지 대표적인 방향성을 형성해 왔습니다.
일부 연구진은 통합된 세계 모델을 강조하며, 비디오 모델, VLA, 세계 모델 등을 통합하는 공동 모델링을 통해 시각, 언어, 비디오, 동작을 결합함으로써 실제 환경에서 지각, 계획, 예측, 실행 및 과제 간 일반화를 달성하고자 합니다. 대표적인 예로 지난 12월에 공개된 Motus가 있습니다.
어떤 이들은 “먼저 상상하고, 그다음 행동하라”는 방식을 더 선호하기도 합니다. 예를 들어, 링봇-올해 1월 말에 공개된 VA는 먼저 비디오 모델을 활용해 향후 영상 내용을 예측한 다음, 이를 역방향으로 연결하여 로봇의 행동 결정을 안내함으로써 두 가지를 하나의 모델로 통합합니다.
다른 모델들은 “미래 상태를 추론하고 행동을 생성하는 것을 동시에 수행하는” 접근 방식, 즉 소위 ‘월드 액션 모델(World Action Model)’을 따르는데, 2월 초에 출시된 NVIDIA의 DreamZero와 같이 예측과 행동이 동시에 이루어집니다.
이번 MotuBrain의 성능을 보면, 환경과 미래 상태를 추론하는 월드 모델의 능력과 실제 과제에서 행동 모델의 실행 능력을 결합하여, 월드 액션 모델에 더 가까운 방향을 따르고 있는 것으로 보입니다.
이는 또한 이 모델이 “세계 모델링”과 “동작 실행” 벤치마크에서 모두 1위를 차지할 수 있는 이유를 설명해 준다.
결론
로봇을 구성 요소별로 나누어 보면, 그 “손과 발”은 하드웨어로, “뇌”는 소프트웨어로 생각할 수 있습니다.
지난 몇 년간 로봇 하드웨어의 발전 속도는 눈에 띄게 빨라졌습니다. 모션 제어는 더욱 정교해지고, 센서는 더욱 다양해졌으며, 비용은 낮아졌습니다. 하지만 로봇의 대규모 도입을 진정으로 가로막는 것은 바로 작업을 지시하는 ‘두뇌’입니다.
오늘날의 로봇은 본질적으로 여전히 “특정 작업을 수행하도록 훈련된 전문 시스템”에 불과합니다. 상황이나 대상, 지시 사항이 바뀌기만 해도 로봇은 완전히 작동하지 못할 수도 있습니다. 이는 상당 부분 지능의 문제입니다.
구현된 지능의 목표는 물리적 세계를 이해하고, 상태 변화를 예측하며, 이를 바탕으로 신뢰할 수 있는 행동을 생성하여 어떤 작업이나 시나리오에도 적응할 수 있는 통합된 모델을 구축하는 것입니다. 이러한 도약은 로봇 공학에 있어 마치 …와 같은 변혁적인 의미를 지닙니다. 바이브 코딩에서 소원 코딩까지 AI 프로그래밍 분야에서 그 역할을 해왔습니다.
자본은 이미 실제 자금으로 그 판단을 내렸다.
최근 몇 건의 대규모 투자 사례를 살펴보면, 로봇의 “두뇌’를 개발하는 기업들로 자금이 집중적으로 유입되고 있음을 알기 어렵지 않다. 겉보기에는 로봇에 투자하는 것처럼 보이지만, 실제로는 차세대 ”로봇 운영 체제’나 “일반 물리적 두뇌’의 진입점을 놓고 경쟁하고 있을지도 모른다.”
이런 관점에서 볼 때, MotuBrain이 대표하는 ‘세계+행동’ 통합 아키텍처는 바로 이 전략적 경쟁의 핵심에 위치해 있다.
MotuBrain을 개발한 팀이 어디인지, 그리고 앞으로 어떤 것을 선보일지에 대한 의문은 아마도 머지않아 풀릴 것으로 보인다.
