로비앤트, 세계 최초 비디오-액션 세계 모델 ‘링봇-VA 2.0’ 발표…로봇 풀스택 완성

uapple 기자

등록 2026-07-11 08:12

로비앤트, 로봇 특화 세계 모델 ‘링봇-VA 2.0’ 공개…“물리 환경 스크래치 학습”

생성형 모델 한계 극복…로비앤트, 150Hz 실시간 제어 ‘링봇-VA 2.0’ 출시

“디지털 재활용은 끝났다”…로비앤트, ‘임보디드 네이티브’ 로봇 AI AI 모델 탑재

A robot powered by LingBot-VA 2.0 engages in a real-time tabletop air hockey match with a human

앤트그룹(Ant Group) 산하의 로봇 AI 전문 기업 로비앤트(Robbyant)가 업계 최초로 로봇 물리 환경에 특화된 비디오-액션 세계 모델(Video-Action World Model) ‘링봇-VA(LingBot-VA) 2.0’을 전격 공개했다.

이번 발표는 기존 디지털 콘텐츠 기반의 세계 모델을 재활용하던 방식에서 벗어나, 물리 세계의 특성에 맞춰 처음부터 설계된 ‘임보디드 네이티브(Embodied-native)’ 모델로의 패러다임 전환을 의미한다.

그동안 인공지능(AI) 업계는 디지털 콘텐츠 생성용 비디오 모델을 미세조정(Fine-tuning)해 로봇 제어에 활용해 왔다. 그러나 화려한 시각적 품질에 치중하는 생성형 모델의 특성상 물리적 정확성과 실시간 실행 효율이 떨어져 로봇의 제어 능력이 저하되는 고질적인 한계가 존재했다.

반면 링봇-VA 2.0은 초기 단계부터 동적 모델링, 인과적 예측, 실시간 실행을 목표로 스크래치(Scratch) 단계부터 사전 학습을 진행했다. 자동 회귀(Autoregressive) 아키텍처를 기반으로 설계돼 로봇의 특정 행동이 주변 환경을 어떻게 변화시키는지 이해하고, 인과적 예측에 따라 다음 단계를 스스로 결정한다.

로비앤트가 밝힌 링봇-VA 2.0의 4대 핵심 구조적 혁신은 다음과 같다.

첫째, 시각 정보를 압축하는 과정에서 의미론적 정보와 액션 정보를 정렬하는 ‘의미론적 시각-액션 토크나이저(Semantic Visual-Action Tokenizer)’를 도입했다. 이를 통해 지시사항 이해를 실제 행동 수행으로 전환하는 효율성을 극대화했다.

둘째, 예측과 행동 생성이 단방향 시간 순서를 엄격히 따르도록 하는 ‘엄격한 인과 관계 사전 학습(Strict Causal Pre-training)’을 적용했다.

셋째, 성능과 속도의 균형을 맞추기 위해 추론 효율성을 유지하면서 모델 용량을 확장하는 ‘혼합 전문가(MoE, Mixture of Experts)’ 아키텍처를 채택했다.

넷째, 실시간 폐루프(Closed-loop) 제어를 가능하게 하는 ‘향상된 비동기 추론(Enhanced Asynchronous Inference)’ 메커니즘을 장착했다. 로봇은 행동을 수행하는 동시에 미래 상태를 예측하며, 실제 환경에서 관측된 최신 데이터를 바탕으로 다음 결정을 지속적으로 수정할 수 있다.

이 같은 설계를 통해 단일 GPU 환경에서 150Hz의 실시간 추론 속도를 구현, 기존 임보디드 세계 모델의 고질병이었던 낮은 실행 속도 문제를 해결했다. 아울러 매개변수(파라미터) 업데이트 없이 단 20회의 시연만으로 새로운 작업을 학습할 수 있는 인컨텍스트 러닝(In-context learning) 일반화 능력도 갖췄다.

링봇-VA 2.0은 최근 로비앤트가 잇따라 발표한 6개 인공지능 모델 라인업의 정점이다. 로비앤트는 인지, 세계 시뮬레이션, 행동을 아우르는 임보디드 네이티브 풀스택 라인업인 ▲링봇-뎁스 2.0 ▲링봇-비전 ▲링봇-VLA 2.0 ▲링봇-월드 2.0 ▲링봇-비디오 ▲링봇-VA 2.0을 모두 갖추게 됐다.

주 싱(Zhu Xing) 로비앤트 최고경영자(CEO)는 "로비앤트는 임보디드 인텔리전스의 새로운 한계에 도전하는 동시에, 개방형 기술 및 애플리케이션 생태계 발전을 가속화해 산업용 및 실생활 시나리오에서 로봇 배치를 앞당길 것"이라고 밝혔다.

To learn more about Robbyant, please visit: www.robbyant.com