Overviews · OVERVIEW · 2026

용어집: Physical AI (Terminology Glossary)

↳ 40 links

표기 원칙

이 페이지는 physical-ai 도메인 전문 용어의 canonical 표기를 정하는 SSOT다. sources/와 wiki/의 한글 산문을 쓸 때 아래 표를 따른다.

전문 용어는 원어를 그대로 쓰고, 문서당 첫 등장 시 괄호 없이 서술형 한글 풀이를 한 문장 둔다. 예: "control frequency는 로봇이 1초에 몇 번 새로운 action을 갱신하는지를 뜻한다."
원어에는 한글 조사를 그대로 붙인다: "policy가", "reward를", "world model이".
canonical 표기가 한글(음차·표준 번역)인 용어는 그 한글만 쓴다. 표에 없는 표기 흔들림을 만들지 않는다.
금지 표기 열은 scripts/lint_terms.py의 검사 대상이다. —이면 지침만 있고 기계 검사는 없다. 복수 항목은 ·로 구분하며 리터럴 부분 문자열로 검사된다(조사가 붙어도 잡힌다).
이 용어집은 frontmatter applies_to에 적힌 category의 파일에만 적용된다. "정책·행동·관측" 같은 단어가 다른 도메인에서 일반 의미(운영 정책 등)로 쓰이는 것까지 막지 않기 위해서다.
오탐이 큰 일반어는 단독으로 등재하지 않고 복합어·조사 결합형만 등재한다 (예: 행동 → 행동 공간·행동 토큰).
canonical이 개념 번역어인 용어(시연 데이터, 지시문 등)는 문서당 첫 등장 시 원어를 괄호 병기하고("시연 데이터(demonstration)") 이후에는 한 표기만 쓴다. 같은 문서에서 원어와 번역어를 섞지 않는다. 라틴 문자만 든 괄호는 lint_terms.py가 마스킹하므로 병기가 금지 표기로 오탐되지 않는다. (2026-09 개정)
금지 표기 칸에는 영문 철자 변형도 둘 수 있다 (예: pseudo-action 행의 pseudo action). lint_terms.py는 영문도 대소문자를 구분하는 리터럴 부분 문자열로 검사하므로, 띄어쓰기나 대소문자만 다른 변형을 금지 표기로 두어도 canonical 자체는 걸리지 않는다 ("pseudo action"은 "pseudo-action"의 부분 문자열이 아니다). 용어집: Agents (Terminology Glossary)의 표기 원칙 절과 같은 규약이다. (2026-09 7-2 통일)

용어 표

원어	canonical 표기	금지 표기	첫 등장 풀이 예문	비고
policy	policy	정책	policy는 현재 observation을 받아 다음 action을 정하는 함수를 말한다	RL 핵심 용어. physical-ai 문맥에서는 거의 항상 RL policy라 단독 금지
generalist policy	generalist policy	—	generalist policy는 과제별 fine-tuning 없이 하나의 모델로 여러 downstream 과제를 푸는 policy다	Octo·OpenVLA·π0 계열의 공통 목표. "범용 정책·일반 정책" 직역은 policy 행의 금지 표기가 이미 잡는다
reward	reward	보상	reward는 policy가 얼마나 잘했는지를 알려주는 스칼라 신호다	reward function·reward hacking 등 파생어도 원어
observation	observation	관측	observation은 매 timestep에 policy가 받는 센서 입력이다	일반어 "관찰"은 lint 제외 — 다만 RL observation 의미로는 쓰지 않는다
action	action	행동 시퀀스·행동 토큰·행동 청킹·행동 정책	action은 policy가 출력하는 제어 명령이다	단독 "행동"은 일반어라 복합어만 금지. "행동 공간"은 action space 행
action space	action space	행동 공간	action space는 로봇이 낼 수 있는 action의 집합이다	action 행과 중복이지만 명시
relative EEF action space	relative EEF action space	상대 말단 좌표계·상대 EEF 행동 공간	relative EEF action space는 action을 절대 목표 pose가 아니라 현재 pose로부터의 변화량으로 적는 표현이다	EEF는 end-effector 약어. GR00T N1.7이 사람·로봇 데이터에 공통으로 깔아 cross-embodiment 전이와 human video pre-training의 전제로 삼는다
trajectory	trajectory	궤적	trajectory는 observation과 action이 시간순으로 이어진 실행 기록이다
episode	episode	—	episode는 과제 시작부터 종료까지의 한 실행 단위다	음차 "에피소드"도 피하고 원어 권장 (지침)
rollout	rollout	—	rollout은 policy를 실행해 trajectory를 만들어내는 과정이다	금지 표기 "롤아웃"은 glossary-llms의 rollout 행이 전 카테고리에서 검사하므로 이 행은 지침만 둔다. 같은 금지 표기를 두 용어집에 넣으면 physical-ai 파일에서 이중 경고가 난다 (2026-09 4차 갱신)
world model	world model	세계 모델·월드 모델	world model은 환경의 동역학을 학습해 미래를 예측하는 모델이다
latent	latent	잠재 공간·잠재 변수·잠재 상태·잠재 표현	latent는 겉으로 드러나지 않는 모델 내부의 표현 공간을 가리킨다	"잠재력" 같은 일반어 보호를 위해 복합어만 금지. 예문에 "관측"을 쓰면 observation 행의 금지 표기에 걸린다 (2026-09 수정)
alignment / aligned	alignment	에 정렬된·와 정렬된	action에 alignment된 예측이란 실행 가능한 미래를 뜻한다	"행동에 정렬된" 직역 실사례 차단. 정렬(sort) 의미 보호 위해 조사 결합형만
imitation learning	imitation learning	모방 학습·모방학습	imitation learning은 시연 데이터를 흉내 내 policy를 학습하는 방법이다
behavioral cloning	behavioral cloning	행동 복제·행동 모사	behavioral cloning은 시연의 observation→action 쌍을 지도학습으로 흉내 낸다
teleoperation	teleoperation	원격 조작·원격조작	teleoperation은 사람이 로봇을 원격으로 움직여 시연을 만드는 방식이다	이미 원어로 정착 (22회)
bilateral control / unilateral control	bilateral control / unilateral control	양방향 제어·쌍방향 제어·단방향 제어·일방향 제어	bilateral control은 leader와 follower가 힘을 서로 주고받아 조작자가 접촉을 느끼는 teleoperation 방식이고, unilateral control은 위치 명령만 한 방향으로 보내는 방식이다	짝을 이루는 개념이라 한 행에 둔다 (glossary-llms의 encoder / decoder 선례). OpenArm은 bilateral에 500Hz 이상의 control frequency를 요구한다 (2026-09 등재)
backdrivability	backdrivability	백드라이버빌리티·역구동성	backdrivability는 외력으로 관절을 밀었을 때 모터가 순순히 밀리는 정도를 말한다	접촉 안전과 bilateral control의 전제. 동사형 backdrive도 원어로 쓴다 (ALOHA 페이지 용례). 음차와 직역 모두 금지 (2026-09 등재)
QDD	QDD	준직접구동·준 직접 구동·쿼시 다이렉트 드라이브	QDD는 감속비를 낮게 잡아 모터의 힘을 관절에 거의 직접 전달하는 구동 방식이다	Quasi-Direct Drive의 약어. 약어를 기본 표기로 쓰고 첫 등장에서만 원어를 풀어 적는다. backdrivability를 확보하는 하드웨어 조건 (2026-09 등재)
demonstration	시연 데이터	demonstration	시연 데이터(demonstration)는 사람이 만들어준 모범 실행 데이터다	2026-09 개정: 개념 번역어로 전환. 첫 등장 시 원어 병기 후 단일 표기. 병기 괄호는 lint가 마스킹한다
instruction	지시문	—	지시문(instruction)은 로봇에게 과제를 지정하는 자연어 문장이다	2026-09 신설. 기계 검사 없음 — verbal instruction, hindsight instruction 같은 원어 canonical 복합어와 substring이 충돌한다. 혼용 여부는 write-wiki 자체 검토로 관리
end-effector	end-effector	말단 장치·엔드 이펙터	end-effector는 로봇 팔 끝에서 물체와 접촉하는 부분이다	음차도 금지, 원어 고정
gripper	그리퍼	—	그리퍼는 물체를 집는 end-effector의 한 형태다	음차 정착
manipulation	manipulation	—	manipulation은 팔과 손으로 물체를 다루는 과제 영역이다	"조작"은 일반어라 지침만 — 과제 분류 문맥에서는 원어 권장
locomotion	locomotion	—	locomotion은 다리로 이동하는 과제 영역이다
whole-body control	whole-body control	전신 제어·전신제어	whole-body control은 균형과 이동을 포함해 몸 전체를 함께 제어하는 문제다
grasping	grasping	파지	grasping은 물체를 안정적으로 쥐는 동작이다
affordance	affordance	행동 유도성·어포던스	affordance는 물체가 허용하는 상호작용 가능성을 뜻한다
proprioception	proprioception	고유수용감각	proprioception은 관절 각도 같은 로봇 자신의 상태 감각 입력이다
value function	value function	가치 함수	value function은 상태가 앞으로 받을 reward의 기대값을 추정한다
dynamics	dynamics	—	dynamics는 상태가 action에 따라 어떻게 변하는지의 규칙이다	"동역학"은 표준 번역이라 병용 허용 (지침)
control frequency	control frequency	제어 주파수	control frequency는 로봇이 1초에 몇 번 새로운 action을 갱신하는지를 뜻한다	WikiDocs 예문의 원형
sim2real	sim2real	—	sim2real은 시뮬레이션에서 학습한 policy를 실기기로 옮기는 문제다	태그 어휘와 일치
domain randomization	domain randomization	도메인 무작위화	domain randomization은 시뮬레이션 파라미터를 흔들어 sim2real 간극을 줄이는 기법이다
motion tracking	motion tracking	동작 추적	motion tracking은 mocap 목표 포즈를 프레임 단위로 따라가게 학습하는 과제다
retargeting	retargeting	—	retargeting은 사람 동작 데이터를 로봇 형상에 맞게 변환하는 과정이다
waypoint	waypoint	경유점	waypoint는 경로를 이루는 중간 목표 지점이다
reinforcement learning	강화학습	강화 학습	—	표준 번역 허용, 붙여쓰기로 고정. 약어 RL 병용 가능
supervised learning	지도학습	지도 학습	—	표준 번역 허용, 붙여쓰기로 고정
state	상태	—	—	표준 번역 허용
embodiment	embodiment	—	embodiment는 로봇의 물리적 형상과 그에 딸린 제어 API 구성을 뜻한다	cross-embodiment 전이가 이 도메인 반복 주제. "구현체"는 소프트웨어 reference implementation, "체화"는 embodied AI 표준 번역이라 둘 다 오탐이 커 지침만 둔다
embodiment tag	embodiment tag	embodiment 태그·구현체 태그	embodiment tag는 어떤 로봇의 데이터인지 가리키는 문자열 키로, state·action 배열을 해석할 modality config를 고른다	GR00T·LeRobot 양쪽이 쓴다. 대소문자를 구분하지 않고 pretrain/posttrain tag로 나뉜다
flow matching	flow matching	플로우 매칭·흐름 정합	flow matching은 noise에서 데이터로 향하는 vector field를 학습해 샘플을 만드는 생성 기법이다	diffusion의 변형. π0 계열과 GR00T 계열이 action head 학습에 공유한다. dynamics 행의 "동역학"과 달리 번역어를 쓰지 않는다. 2026-09 4차 갱신에서 같은 원어의 중복 행 두 개(예문과 금지 표기 순서가 달랐다)를 이 행으로 합쳤다
action chunking	action chunking	행동 청킹·액션 청킹	action chunking은 미래 여러 스텝의 action을 한 묶음으로 한 번에 예측하는 방식이다	ACT에서 유래, π0는 H=50. action 행의 금지 표기와 짝을 이룬다
execution horizon	execution horizon	실행 지평·실행 horizon	execution horizon은 예측한 action 중 policy 호출 한 번에 실제로 실행하는 개수다	action chunking과 짝을 이룬다. GR00T N1.7이 `--action-horizon`을 이 이름으로 개명해 예측 horizon과 구분했다
real-time action chunking	real-time action chunking	실시간 행동 청킹	real-time action chunking은 추론 지연이 있어도 action chunk가 매끄럽게 이어지도록 학습 중에 지연을 흉내 내는 기법이다	약어 RTC 병용 가능. π0.7은 0~12 timestep 지연을 학습에 넣는다
action tokenization	action tokenization	액션 토큰화	action tokenization은 연속값인 제어 명령을 정해진 구간으로 나눠 이산 토큰으로 바꾸는 기법이다	RT-2가 세우고 OpenVLA가 오픈소스로 옮긴 표준 기법. 한글 직역 "행동 토큰화"는 action 행이 이미 잡는다
action expert	action expert	행동 전문가	action expert는 로봇 상태와 action 토큰만 처리하도록 분리한 별도 가중치 묶음이다	π0 고유 구성. VLM backbone과 나란한 두 번째 전문가
code-as-policy	code-as-policy	코드를 정책으로·코드 정책	code-as-policy는 언어 모델이 perception·planning·control API를 조합해 실행 가능한 로봇 프로그램을 짜게 하는 제어 방식이다	Liang 2023 이후 고유 기법명. CaP 약어 병용 가능
primitive	primitive	원시 동작·기본 동작	primitive는 로봇 API가 노출하는 최소 실행 단위를 가리킨다	motion primitive·control primitive 등 복합어도 원어
co-training	co-training	공동 학습·병행 학습	co-training은 성격이 다른 여러 데이터 원천을 하나의 학습 mixture에 함께 넣는 방식이다	π0.5 레시피의 축. glossary-llms의 co-fine-tuning(RT-2)과 구분 — 이쪽은 웹 데이터에 한정하지 않는다
subtask	subtask	—	subtask는 high-level 추론이 텍스트로 내놓는 중간 단계 명령이다	"하위 과제·부분 과제"는 기존 페이지에서 일반어로 쓰여 기계 검사에서 뺐다. 지침만
subgoal	subgoal	—	subgoal은 상위 목표를 쪼갠 하나의 실행 단위이며 그 자체가 다시 쪼개질 수 있다	계층적 planning을 다루는 페이지의 기본 단위다. "하위 목표"는 x-square-robot·qiao 등 7개 파일에서 일반어로 쓰이고 있어 기계 검사에서 뺐다. 지침만 (2026-09 등재, ReAcTree)
subgoal image	subgoal image	서브골 이미지·하위 목표 이미지	subgoal image는 현재 subtask가 끝난 직후의 장면을 여러 카메라 시점으로 그린 목표 이미지다	π0.7이 prompt modality로 세웠다. 실행 시점에는 world model이 생성한다. SuSIE·CoT-VLA 계보
episode metadata	episode metadata	에피소드 메타데이터	episode metadata는 그 episode의 속도·품질·실수 여부를 prompt에 적어 둔 라벨 묶음이다	π0.7 고유 구성. 품질이 뒤섞인 데이터를 거르지 않고 쓰게 해준다. 발표 글은 strategy metadata로도 부른다
verbal instruction	verbal instruction	구두 지시	verbal instruction은 사람이 학습된 저수준 policy에 말로 subtask를 불러 과제를 끝내게 하며 모은 데이터다	π0.5 고유 데이터 슬라이스(VI). 일반어 "언어 지시"는 지시 따르기 평가 문맥에서 널리 쓰여 금지 목록에서 뺐다
FAST tokenizer	FAST tokenizer	—	FAST tokenizer는 action chunk를 압축해 이산 토큰으로 적는 방식이다	Pertsch 2025. π0-FAST·π0.5 pre-training이 이걸 쓴다. 약어 FAST 단독 병용 가능
knowledge insulation	knowledge insulation	지식 절연·지식 격리	knowledge insulation은 backbone을 FAST token으로 지도하고 action expert의 gradient는 backbone으로 흘리지 않는 학습 레시피다	π0.5-KI에서 유래해 π0.7이 그대로 쓴다. 약어 KI 병용 가능
compositional generalization	compositional generalization	—	compositional generalization은 학습에서 본 skill을 새로운 조합으로 엮어 미학습 과제를 푸는 능력이다	π0.7이 로봇 foundation model의 grand challenge로 지목한 목표. 원어를 기본으로 쓰고 첫 등장 풀이에서만 "조합적 일반화"로 옮긴다
world knowledge	world knowledge	세계 지식	world knowledge는 물체·행위·환경·예상되는 결과에 대해 모델이 미리 갖고 있는 사전 지식을 말한다	Zhang 2026 서베이의 조직 축. 예측 장치인 world model과 구분해서 쓴다
multimodal grounding	multimodal grounding	멀티모달 그라운딩·다중모달 그라운딩	multimodal grounding은 언어로 된 지식을 이미지·영상·물체·공간 관계에 붙이는 단계다	VLM·MLLM이 맡는 층. 음차도 표기 흔들림이라 원어로 고정
action grounding	action grounding	행동 그라운딩·액션 그라운딩	action grounding은 perception과 언어를 실행 가능한 action으로 잇는 단계다	VLA가 맡는 층
visual grounding	visual grounding	시각 그라운딩·비주얼 그라운딩·시각적 그라운딩	visual grounding은 지시문이 가리키는 대상을 이미지 안의 구체적인 영역에 대응시키는 작업이다	grounding 행의 하위 개념이며 multimodal·action grounding과 같은 계열. 2026-09 등재 (원어 13회 대 음차 0회, HiVLA). 계층형 VLA가 상위와 하위를 잇는 인터페이스로 쓴다
costmap	costmap	코스트맵	costmap은 로봇 주변 환경을 이동 가능 영역·장애물·팽창 비용으로 표현한 2D 격자 지도다	Nav2 환경 표현. global/local 두 층. costmap filter·layer 등 파생도 원어
behavior tree	Behavior Tree	행동 트리·비헤이비어 트리	Behavior Tree는 로봇의 의사결정을 트리 구조의 노드 조합으로 관리하는 제어 구조다	약어 BT 병용 가능. Nav2 조율 축
action server	action server	액션 서버	action server는 오래 걸리는 작업을 요청받아 실행하며 feedback과 최종 결과를 돌려주는 ROS 2 통신 방식이다	ROS 2 용어
lifecycle node	lifecycle node	생명 주기 노드·라이프사이클 노드	lifecycle node는 configure·activate 같은 상태 전이를 명시적으로 관리하는 ROS 2 노드다	lifecycle manager도 원어
localization	localization	로컬라이제이션	localization은 로봇이 지도 안에서 자기 위치를 추정하는 문제다	"위치 추정"은 일반어라 지침만 — localization 의미로는 원어 권장
odometry	odometry	오도메트리·주행기록계	odometry는 바퀴·IMU 등으로 이동량을 누적해 로봇의 상대 위치를 추정하는 방법이다	odom frame·visual odometry·LIO·VIO 등 파생도 원어. loop closure 없는 순수 추정이라는 점에서 SLAM과 구분
point cloud	point cloud	점군·포인트 클라우드	point cloud는 LiDAR 등이 반환한 3D point의 집합이다	FAST-LIO2 계열 SLAM 자료의 기본 입력 표현
kNN search	kNN search	최근접 이웃 탐색	kNN search는 질의점에서 가장 가까운 k개의 point를 찾는 연산이다	k-nearest neighbor. scan 정합과 map 질의의 병목 지점
solid-state LiDAR	solid-state LiDAR	고체형 LiDAR·솔리드 스테이트 LiDAR	solid-state LiDAR는 회전 기구 없이 프리즘이나 MEMS로 주사하는 신형 LiDAR다	FoV가 좁고 scanning pattern이 비반복적이라 feature 기반 방법과 잘 안 맞는다
dual-system VLA	dual-system VLA	이중 시스템·듀얼 시스템	dual-system VLA는 느린 대형 모델과 빠른 경량 policy를 서로 다른 주기로 함께 돌리는 VLA 구조다	Cui 2025의 판정 기준은 System 1이 실시간 perception 입력을 직접 받는지 여부. 이 기준으로 π0·GR00T N1은 제외된다. System 1 / System 2 표기도 원어 고정
CLIP loss	CLIP loss	—	CLIP loss는 대형 모델 출력을 아래층이 받는 텍스트 임베딩 공간에 맞추는 대조 정렬 손실이다	dual-system 연결에 쓰일 때의 용법. fine-tuning에서는 필수지만 prompt tuning에서는 없는 쪽이 낫다 (Cui 2025)
projector pre-alignment	projector pre-alignment	프로젝터 사전 정렬	projector pre-alignment는 위아래를 잇는 MLP projector를 먼저 따로 학습시켜 두 feature 공간을 맞추는 1단계다	생략하면 dual-system 성공률이 0으로 떨어진다 (Cui 2025 Table 6). 2단계 학습의 전제
multimodal reasoning learning	multimodal reasoning learning	멀티모달 추론 학습	multimodal reasoning learning은 latent에서 position·rotation·개폐를 직접 예측하게 해 대형 모델이 시각 입력을 실제로 쓰도록 강제하는 보조 과제다	OpenHelix 고유 명명. 추가 데이터 없이 붙는다
visuomotor policy	visuomotor policy	시각-운동 정책·시각운동 정책	visuomotor policy는 이미지를 직접 받아 모터 명령을 내는 policy를 말한다	dual-system VLA의 System 1이 이 형태다. Helix는 80M Transformer, GR00T N1은 flow-matching DiT
hindsight instruction	hindsight instruction	사후 지시문·사후 지시	hindsight instruction은 이미 수집된 영상을 보고 그 동작을 시킬 만한 지시문을 되물어 사후에 붙인 자연어 라벨이다	Figure AI 2025(Helix)가 auto-labeling VLM으로 생성. teleoperation 데이터에 언어 조건을 붙이는 저비용 경로
world foundation model	world foundation model	세계 기반 모델·월드 파운데이션 모델·세계 파운데이션 모델	world foundation model은 여러 downstream Physical AI 환경으로 fine-tuning될 것을 전제로 학습한 범용 world model이다	약어 WFM 병용 가능. NVIDIA Cosmos 2025가 세운 이름. world model 행과 glossary-llms의 foundation model 행을 합친 복합어라 표기가 흔들리기 쉬워 따로 고정한다
world-action model	WAM	세계 행동 모델·월드 액션 모델·세계 액션 모델	WAM은 world-action model의 약자로, 미래 장면 예측과 action 생성을 한 모델 안에서 함께 수행하는 policy 계열이다	본문 표기는 약어 WAM으로 고정하고 풀어 쓸 때만 world-action model. 저장소 실측 약어 38회 대 번역어 0회. world model 행이 예측 장치를 가리키는 것과 달리 이 행은 예측과 제어를 겸하는 policy 계열을 가리킨다. VLA와 나란한 두 번째 레시피 (2026-09 등재)
perturbation	perturbation	섭동	perturbation은 world model이 미래를 예측할 때 함께 받는 현재 입력으로, action·텍스트·무작위 입력을 한 이름으로 묶는다	Cosmos 형식화의 c(t). 조건 입력의 종류를 가리지 않는다는 뜻이 담겨 직역하면 의미가 좁아진다. "교란"은 벤치마크 교란(LIBERO-Pro 등) 문맥에서 이미 널리 쓰여 기계 검사에서 뺐다 — 지침만
physics alignment	physics alignment	물리 정렬·물리 정합	physics alignment는 시뮬레이터로 만든 물리적으로 옳은 영상을 정답 삼아 생성 결과가 물리 법칙을 지키는지 재는 평가 축이다	NVIDIA Cosmos 2025가 도입한 평가 이름. glossary-llms의 alignment(가치 정렬) 행과는 다른 문맥이다
video generative pre-training	video generative pre-training	영상 생성 사전학습·비디오 생성 사전학습	video generative pre-training은 언어 설명이 붙은 영상에서 미래 프레임을 맞히도록 모델을 먼저 학습시키는 단계다	GR-1(Wu 2023)이 세운 이름. 로봇 trajectory 자체가 영상이라는 전제에서 출발해 GR-2·GR-3와 world-action model 계열로 이어진다. "사전학습" 직역은 glossary-llms의 pre-training 행이 이미 잡는다
latent action	latent action	잠재 행동·잠재 동작	latent action은 두 프레임 사이의 시각적 변화를 action 라벨 없이 부호화한 벡터다	LAPA(Ye 2024)가 VQ-VAE로 세운 표현. GR00T N1의 latent action space와 DreamGen의 pseudo-action 라벨링이 모두 이걸 쓴다. latent 행의 금지 표기와 짝을 이룬다
Inverse Dynamics Model	Inverse Dynamics Model	역동역학 모델	Inverse Dynamics Model은 두 프레임만 보고 그 사이를 채울 action chunk를 되짚어 예측하는 모델이다	약어 IDM 병용 가능. action 라벨이 없는 영상에 pseudo-action을 붙이는 표준 경로. dynamics 행이 "동역학"을 병용 허용하는 것과 달리 이 복합어는 원어로 고정한다
neural trajectory	neural trajectory	신경 궤적·뉴럴 궤적	neural trajectory는 video world model이 만들어낸 합성 trajectory 데이터다	DreamGen(Zhu 2025)이 세운 이름. GR00T N1.5 pre-training 데이터에 들어간다. robot state가 없어 상태 입력을 0으로 조건화해 쓴다. trajectory 행의 "궤적" 금지와 짝
DiT	DiT	확산 트랜스포머	DiT는 diffusion 모델의 denoising 신경망을 Transformer로 구현한 구조다	Diffusion Transformer의 표준 약어. GR00T의 action head와 Cosmos의 diffusion WFM이 모두 이 계열이다
cascaded cross-attention	cascaded cross-attention	—	cascaded cross-attention은 블록 하나 안에서 여러 조건을 각각 별도의 cross-attention 층으로 순서대로 주입하는 구조다	HiVLA 고유 구조명. 금지 표기는 두지 않는다. "계단식"과 "캐스케이드"가 계단식 배열·비용 캐스케이드처럼 일반어로 이미 쓰이고 있어 리터럴 검사가 오탐한다. 2026-09 등재
action chunk	action chunk	행동 청크·동작 묶음	action chunk는 policy가 한 번에 출력하는 여러 timestep 분량의 action 묶음이다	action 행의 "행동 청킹" 금지와 짝. chunk size는 k 또는 H로 표기
temporal ensembling	temporal ensembling	시간 앙상블·시계열 앙상블·템포럴 앙상블	temporal ensembling은 서로 겹치는 여러 action chunk의 같은 시점 예측을 가중 평균해 실행하는 기법이다	ACT(Zhao 2023)가 세운 이름. 저장소에 Temporal Ensembling, temporal ensemble 등 4종이 혼재해 소문자 원형으로 고정한다 (2026-09 등재)
compounding error	compounding error	누적 오차·복합 오차·오차 누적	compounding error는 policy의 작은 예측 오차가 다음 입력을 어긋나게 만들어 시간이 갈수록 커지는 현상이다	imitation learning의 근본 난점. action chunking과 temporal ensembling이 이걸 줄이려는 처방이다
open-loop	open-loop	개루프·오픈 루프	open-loop 실행은 한 번 계산한 action 묶음을 중간 피드백 없이 끝까지 내보내는 방식이다	closed-loop와 짝. action chunk 실행 구간이 곧 open-loop 구간이다
closed-loop	closed-loop	폐루프·클로즈드 루프	closed-loop 제어는 매 timestep 새 observation을 받아 action을 다시 정하는 방식이다	control frequency 논의의 전제. 저장소에 번역어 "폐루프"가 일부 남아 있어 원어로 고정한다 (2026-09 등재)
asynchronous inference	asynchronous inference	비동기 추론	asynchronous inference는 policy의 다음 chunk 계산과 현재 chunk 실행을 겹쳐 돌려 대기 시간을 감추는 실행 방식이다	SmolVLA가 throughput 개선 수단으로 쓴다. synchronous inference도 원어로 쓴다
emergent capability	emergent capability	창발 능력·창발적 능력·발현 능력	emergent capability는 학습 데이터에 없던 조합을 모델이 실행해내는 성질을 말한다	RT-2가 symbol understanding, reasoning, human recognition 세 범주로 제시했다
layer skipping	layer skipping	레이어 스킵·층 건너뛰기	layer skipping은 backbone의 앞쪽 layer만 쓰고 나머지를 생략해 연산량을 줄이는 기법이다	SmolVLA가 VLM의 절반 layer만 쓰는 근거
embodied VQA	embodied VQA	체화 VQA·구현된 VQA	embodied VQA는 로봇 시점 이미지에 대해 조작 가능성이나 다음 단계를 묻고 답하게 하는 질의응답 과제다	WALL-OSS, π0.5, GR00T 계열이 공유한다. 일반 VQA와 구분해 쓴다
weight drift	weight drift	가중치 편향·가중치 표류·가중치 드리프트	weight drift는 fine-tuning 중 모델 가중치가 pre-training 시점에서 멀어져 원래 능력을 잃는 현상이다	WALL-OSS가 General VQA 데이터를 섞는 이유. 원문이 두 번역어를 혼용해 원어로 고정한다 (2026-09 등재)
static router	static router	정적 라우터	static router는 입력 종류에 따라 처리 경로를 고정 규칙으로 나누는 분기 장치다	WALL-OSS의 modality별 경로 분리에 쓰인다
advantage	advantage	어드밴티지	advantage는 어떤 action이 평균보다 얼마나 나은지를 나타내는 값이다	value function 행과 짝. advantage conditioning은 이 값을 조건으로 주는 기법이며 "어드밴티지 조건화"를 쓰지 않는다
sparse reward	sparse reward	희소 보상	sparse reward는 과제 성공 여부처럼 드물게만 주어지는 reward를 말한다	reward 행의 "보상" 금지와 짝
policy extraction	policy extraction	정책 추출	policy extraction은 학습한 value function으로부터 실행할 policy를 뽑아내는 단계다	policy 행의 "정책" 금지와 짝. π0.6의 RECAP 학습 루프에 등장한다
data pyramid	data pyramid	데이터 피라미드	data pyramid는 웹 데이터, 합성 데이터, 실제 로봇 데이터를 양이 많은 순으로 쌓아 함께 학습에 쓰는 데이터 전략이다	GR00T N1이 세운 이름
simulator	시뮬레이터	—	시뮬레이터는 물리 엔진으로 로봇과 환경의 상호작용을 계산해 실제 기기 없이 데이터를 만들고 policy를 평가하는 소프트웨어다	저장소 용례가 한글 153회 대 원어 57회로 한글 우세이고, glossary-llms의 benchmark(벤치마크, 음차 정착)와 같은 성격이라 한글로 고정한다. 고유명사(Isaac Sim, MuJoCo, robosuite)와 코드 식별자는 원어 그대로. 기계 검사 없이 지침만 둔다 (2026-09 등재)
long-horizon	long-horizon	장기 과제·장기 지평·롱 호라이즌	long-horizon 과제는 여러 단계를 이어야 끝나는 긴 과제를 말한다	저장소에 원어 81회 대 번역어 51회로 갈려 있었다. subtask, action chunk와 함께 쓰이는 맥락이라 원어로 고정한다 (2026-09 등재)
humanoid	humanoid	휴머노이드	humanoid는 사람과 비슷한 몸 구조를 갖춰 사람용 공간과 도구를 그대로 쓰도록 만든 로봇이다	통제 태그 어휘가 `humanoid`라 본문 표기를 태그와 일치시킨다. 음차 "휴머노이드"도 한국어에서 널리 쓰이지만 원어로 고정했다. semi-humanoid 같은 파생 복합어도 원어 (2026-09 등재)
throughput	throughput	처리량	throughput은 정해진 시간 안에 처리해낸 과제나 토큰의 수를 말한다	π*0.6과 π0.7의 공통 배치 지표이자 추론 성능 지표. 성공률과 다른 축이라 함께 읽어야 한다 (2026-09 등재)
task progress	task progress	과제 진행도	task progress는 과제를 어디까지 해냈는지를 부분 점수로 재는 평가 지표다	π 계열 평가 표준. 이진 성공률과 달리 중간 단계 달성을 반영한다
occupancy	occupancy	—	occupancy는 3D 공간을 격자로 나눠 각 칸이 물체로 차 있는지를 표시한 표현이다	occupancy grid, 3D occupancy, occupancy forecasting 등 파생도 원어. 일반어 "점유"는 오탐이 커 기계 검사 없이 지침만 둔다
physical prompt	physical prompt	물리 프롬프트·물리적 프롬프트	physical prompt는 언어 예시 대신 센서 데이터와 action trajectory로 이뤄진 sensorimotor 예시를 context window에 넣어 과제를 지시하는 입력이다	GEN-1.5 고유 개념. physical prompting, physical prompt engineering 파생도 원어
test-time training	test-time training	테스트 시점 학습·추론 시 학습	test-time training은 추론 시점에 소량 데이터로 가중치를 조금 갱신해 적응하는 방식이다	GEN-1.5가 1~10스텝 적응을 이 이름으로 부른다
Gaussian Splatting	Gaussian Splatting	가우시안 스플래팅	Gaussian Splatting은 장면을 3D 가우시안 분포의 모음으로 표현해 빠르게 렌더링하는 방법이다	약어 3DGS 병용 가능. physics-aware generation 계열의 장면 표현
Material Point Method	Material Point Method	물질점 방법	Material Point Method는 물질을 입자로 나눠 격자 위에서 변형과 충돌을 계산하는 시뮬레이션 방법이다	약어 MPM 병용 가능
score distillation sampling	score distillation sampling	점수 증류 샘플링	score distillation sampling은 pre-training된 diffusion 모델의 score를 손실로 써서 3D 표현을 최적화하는 기법이다	약어 SDS 병용 가능
kinematic planner	kinematic planner	—	kinematic planner는 동역학을 풀지 않고 관절 각도와 위치만으로 목표까지의 경로를 만들어 컨트롤러에 넘기는 모듈이다	SONIC 계열의 제어 인터페이스 중 하나. 저장소 용례가 원어로 일관해 기계 검사 없이 지침만 둔다
loco-manipulation	loco-manipulation	—	loco-manipulation은 이동과 물체 조작을 한 policy로 함께 수행하는 과제 영역이다	locomotion과 manipulation의 합성어. 팔을 얹은 이동 로봇을 뜻하는 mobile manipulation과 구분한다. "이동 조작"은 mobile manipulation 문맥에서 이미 쓰여 기계 검사에서 뺐다
world simulator	world simulator	월드 시뮬레이터·세계 시뮬레이터	world simulator는 조작 입력에 반응해 물리적으로 일관된 미래 장면을 계속 만들어내는 시스템이다	world model, world foundation model 행과 짝. 예측 모델을 넘어 상호작용까지 감당하는 도달점으로 쓰인다
physics-aware generation	physics-aware generation	물리 인지 생성	physics-aware generation은 생성 결과가 물리 법칙을 지키도록 물리 지식을 생성 과정에 넣는 접근을 통칭한다	약어 PAG 병용 가능. Liu 2025 서베이의 조직 개념
language coaching	language coaching	언어 코칭	language coaching은 실행 중인 로봇에게 사람이 말로 중간 단계를 불러주며 과제를 끌고 가는 방식이다	π0.7 논문과 발표 글이 공유하는 기법명. subtask 행과 짝을 이룬다
pseudo-action	pseudo-action	가짜 action·의사 행동·pseudo action	pseudo-action은 action 라벨이 없는 영상에 Inverse Dynamics Model 등으로 사후에 붙인 action 라벨이다	DreamGen과 GR00T N1 계열이 쓴다. diffusion 입력으로 넣는 noise 상태의 action은 이 개념이 아니므로 그 문맥에는 쓰지 않는다. 띄어쓰기 변형은 금지 표기로 잡는다 (2026-09 7-2 통일, 띄어쓰기 21건 대 하이픈 12건이던 것을 하이픈으로 고정)
reference lookahead	reference lookahead	—	reference lookahead는 컨트롤러가 현재 프레임 이후 몇 초 분량의 참조 모션을 미리 받는지를 뜻한다	SONIC 계열. 컨트롤러에 미리 제시하는 참조 모션의 길이이며 지연 측정치가 아니다
steerability	steerability	조종 가능성	steerability는 사람이 말이나 예시로 로봇의 행동 방식을 원하는 쪽으로 이끌 수 있는 정도를 말한다	π0.7 논문 제목 용어. world model이 명령한 action을 얼마나 정확히 따르는지를 뜻하는 controllability와 다른 개념이라 서로 바꿔 쓰지 않는다 (2026-09 등재)
controllability	controllability	제어 가능성	controllability는 world model이 생성한 미래가 명령으로 준 action을 얼마나 정확히 따르는지를 나타내는 성질이다	world model 서베이(hou-2026, li-2025, liu-2025, zhang-2026) 공통 평가 개념. 번역어 "제어 가능성"과 "조종 가능성"은 과거 두 개념 모두에 쓰였으므로 치환 시 문맥으로 steerability와 구분한다 (2026-09 등재)
dual-process theory	dual-process theory	이중 처리 이론	dual-process theory는 인지를 빠르고 자동적인 System 1과 느리고 숙고적인 System 2로 나눠 보는 심리학 이론이다	Kahneman의 이론명이라 기법명과 같은 원칙으로 원어를 쓴다. dual-system VLA 행이 이 구도를 로봇 구조로 옮긴 것이다
domain shift	domain shift	도메인 이동·도메인 시프트	domain shift는 학습 데이터의 분포와 실제 입력 분포가 어긋나는 현상이다	catastrophic forgetting과 짝을 이뤄 fine-tuning 비용을 설명할 때 등장한다
open-world generalization	open-world generalization	개방형 일반화·오픈월드 일반화	open-world generalization은 학습에서 보지 못한 환경과 물체까지 다루는 일반화 능력을 말한다	π0.5 논문 제목 용어
regularized RL	regularized RL	정규화된 강화학습	regularized RL은 objective에 제약 항을 더해 policy가 검증된 행동에서 크게 벗어나지 않게 막는 강화학습이다	π*0.6의 RECAP 학습 루프 설명에 등장한다. advantage, sparse reward, policy extraction 행과 한 묶음
latent goal	latent goal	잠재 목표	latent goal은 상위 모델이 하위 policy에 넘기는 조건 벡터를 말한다	dual-system VLA의 연결 지점. latent 행의 금지 표기와 짝
coupling tightness	coupling tightness	—	coupling tightness는 두 팔이 함께 쥔 물체를 통해 얼마나 강하게 묶이는지를 나타내는 정도다	Sa 2026 서베이가 양팔 VLA 문헌을 조직하는 기준으로 independent, loosely coupled, tightly coupled 세 단계를 쓴다. 한글 "결합도"는 조사 결합형("결합도 근거가")과 substring이 충돌해 기계 검사에서 뺐다
takt time	takt time	택트 타임·타크트 타임	takt time은 생산 라인이 한 개를 처리하는 데 허용하는 결정론적 주기다	평균 성공률과 종류가 다른 배치 제약이다. 자동차 차체 라인 사례는 84초
skill distribution	skill distribution	—	skill distribution은 로봇 데이터가 담고 있는 물리적 동작의 분포를 말한다	RT-2가 낼 수 있는 동작의 상한을 정한다. 저장소 용례가 원어로 일관해 지침만 둔다
visual token reduction	visual token reduction	—	visual token reduction은 이미지에서 뽑은 토큰 수를 줄여 추론 연산량을 낮추는 기법이다	SmolVLA의 실시간 제어 설계. layer skipping 행과 짝
finite state machine	Finite State Machine	유한 상태 기계·상태 머신	Finite State Machine은 상태와 transition으로 로봇 제어 흐름을 표현하는 구조다	약어 FSM 병용 가능. Behavior Tree 행과 짝을 이룬다. 계층형인 HFSM도 원어 약어로 쓴다 (2026-09 등재)
tick	tick	틱 신호	tick은 Behavior Tree의 루트에서 잎으로 흘러 각 노드를 실행시키는 신호다	BT 실행의 기본 단위. 음차 "틱" 단독은 시간 단위 tick과 겹쳐 원어로 고정한다 (2026-09 등재)
graph edit distance	graph edit distance	그래프 편집 거리	graph edit distance는 한 그래프를 다른 그래프와 동형으로 만드는 데 필요한 최소 편집 연산 횟수다	약어 GED 병용 가능. Iovino 2024가 BT와 FSM을 같은 자로 재기 위해 도입했다 (2026-09 등재)
interactive reasoning	interactive reasoning	상호작용 추론	interactive reasoning은 환경을 계속 건드려 정보를 모으고 그 결과로 계획을 갱신하는 능력이다	COIN 벤치마크의 평가 대상. long-horizon 행과 구분한다. 전자는 step 수, 이쪽은 상호작용 밀도가 기준이다 (2026-09 등재)
partial observability	partial observability	부분 관찰 가능성	partial observability는 로봇이 환경 상태의 일부만 볼 수 있는 조건을 가리킨다	POMDP 행과 한 묶음. "부분 관측 가능성"은 observation 행의 금지 표기가 이미 잡는다 (2026-09 등재)
POMDP	POMDP	—	POMDP는 상태 전부를 볼 수 없는 조건에서의 순차 의사결정 문제를 형식화한 틀이다	약어가 이미 표준이라 풀어 쓰지 않는다. partial observability 행과 짝 (2026-09 등재)
articulated object	articulated object	다관절 물체	articulated object는 문이나 서랍처럼 관절로 연결돼 일부만 움직이는 물체를 말한다	음차 "아티큘레이티드"도 쓰지 않는다. "관절 물체" 표기가 기존 4개 파일에 남아 있어 일괄 정비 전까지 금지 표기에서 뺀다 (2026-09 등재)
action node	action node	액션 노드·행동 노드·Action 노드	action node는 Behavior Tree의 잎 노드 중 실제 동작을 수행하는 쪽을 말한다	condition node 행과 짝. 표기 흔들림이 있던 Iovino 2024를 등재와 함께 정비했다 (2026-09 등재)
condition node	condition node	조건 노드·Condition 노드	condition node는 Behavior Tree의 잎 노드 중 상태 성립 여부만 확인하는 쪽을 말한다	Running을 반환하지 않는 점이 action node와의 차이다 (2026-09 등재)
abstention	abstention	기권·응답 보류	abstention은 agent가 답할 수 없다고 판단해 응답을 미루고 질문을 그대로 넘기는 선택이다	Suzuki 2026에서는 실패가 아니라 기본 동작이다. delegation cascade 행과 짝 (2026-09 등재)
delegation cascade	delegation cascade	위임 캐스케이드·위임 연쇄	delegation cascade는 agent를 일렬로 놓고 앞선 agent가 답하지 않은 질문만 다음 agent가 받는 구조다	마지막 원소가 사람이라 모든 질문이 해소된다. layered MoA와 대비되는 설계 (2026-09 등재)
prerequisite description	prerequisite description	전제 조건 설명·사전 지식 명세	prerequisite description은 agent가 사용할 수 있는 지식의 범위를 적어 둔 프롬프트 블록이다	기호는 Pk. 로봇 기능 명세나 도메인 매뉴얼이 여기 들어간다 (2026-09 등재)
proxy ratio	proxy ratio	대리 응답률·대리 비율	proxy ratio는 사람 개입 없이 해소된 질문의 비율이다	기호는 rho. 대화 효율을 재는 지표. 서술어 "대리 응답"은 일반 서술이라 금지하지 않는다 (2026-09 등재)
Tree Edit Distance	Tree Edit Distance	트리 편집 거리	Tree Edit Distance는 한 트리를 다른 트리로 바꾸는 데 필요한 노드 삽입, 삭제, 치환의 최소 횟수다	약어 TED 병용 가능. graph edit distance 행과 짝을 이룬다 (2026-09 등재)
horizon amplification	horizon amplification	지평 증폭·호라이즌 증폭·horizon 증폭	horizon amplification은 노드별 성공률이 곱으로 누적되어 시퀀스가 길어질수록 전체 성공률이 급격히 낮아지는 현상이다	long-horizon 행과 짝. 반쪽 번역 "horizon 증폭"도 금지 표기에 넣었다 (2026-09 등재)
self-resetting loop	self-resetting loop	자가 초기화 루프·셀프 리셋 루프·자기 초기화 루프	self-resetting loop는 사람이 환경을 되돌려 주지 않아도 로봇이 스스로 재사용 가능한 시작 상태로 복귀하는 반복 구조다	RoboClaw의 Entangled Action Pairs가 이 구조를 만든다. 자율 데이터 수집 계열에서 반복될 개념이라 표기를 고정한다 (2026-09 등재)
structured memory	structured memory	구조화 메모리·구조적 기억	structured memory는 agent가 매 시점 유지하는 컨텍스트 저장소로, 역할과 과제 진행 상황과 단기 실행 이력을 나누어 담는다	episodic memory 행과 같은 방식으로 복합 memory 용어를 원어로 고정한다. glossary-agents의 메모리 행은 단독 memory에만 적용된다. "구조화된 메모리"는 agents 파일에서 일반 서술로 쓰여 금지 표기에서 뺐다 (2026-09 등재)
GRPO	GRPO	그룹 상대 정책 최적화·그룹 상대 최적화	GRPO는 같은 입력에 대해 뽑은 여러 후보 출력 사이의 상대적 advantage로 policy를 최적화해 별도의 value 모델을 두지 않는 강화학습 기법이다	Group Relative Policy Optimization의 약어이며 약어를 기본 표기로 쓴다. advantage 행과 짝을 이룬다. DeepSeekMath에서 나와 VLA 학습에도 쓰인다 (2026-09 등재)
System 0	System 0	시스템 0	System 0는 로봇 형상에 의존하는 저수준 실행 층을 가리키며, 상위 policy가 형상별 구동 방식을 직접 배우지 않아도 되게 한다	dual-process theory와 dual-system VLA 행이 세운 System 1 / System 2 구도에 실행 층을 하나 더 붙인 이름이다. MobileVLA-R1 2.0이 System 2에서 System 1을 거쳐 System 0로 내려가는 구도로 쓴다 (2026-09 등재)
causal hallucination	causal hallucination	인과 환각·인과적 환각	causal hallucination은 action 조건부 예측에서 모델이 현재 action과 target 관련 observation 사이의 상관을 이용해 action에서 target evidence로 가는 직접 인과를 만들어내는 실패 양상이다	Hu 2026(CST-WM)이 embodied visual tracking 문맥에서 이름 붙였다. glossary-agents의 환각 행이 일반 환각을 가리키는 것과 달리 이 행은 예측 구조 안에서 생기는 특정 실패를 가리킨다 (2026-09 등재)
target evidence	target evidence	목표 증거·타깃 증거	target evidence는 target이 보이는지와 겉보기 크기가 유효한 추종 거리와 맞는지를 요약한 표현이다	CST-WM의 latent branch 이름이자 planning 입력이다. world model 계열에서 재사용될 개념이라 표기를 고정한다 (2026-09 등재)
modality collapse	modality collapse	모달리티 붕괴·모달 붕괴	modality collapse는 강한 시각 prior가 드문 언어 신호를 압도해 policy가 지시문 의미를 무시하게 되는 현상이다	Zhan 2026(RSS)이 VLA 지시문 취약성의 원인으로 이름 붙였다. manifold sparsity와 prior dominance 두 원인으로 나눠 설명한다 (2026-10 등재)
instruction blindness	instruction blindness	지시 맹목·지시문 맹목·지시문 맹시	instruction blindness는 VLA가 지시문을 거의 무시하고 장면만으로 가장 그럴듯한 action을 내는 현상이다	LIBERO-Plus와 RADAR 분석이 보고한 증상으로, modality collapse 행이 그 원인 진단에 해당한다. 지시문 행의 번역어 canonical과 달리 현상 이름이라 원어로 고정한다 (2026-10 등재)
steering coefficient	steering coefficient	조향 계수·스티어링 계수·조종 계수	steering coefficient는 지시문을 준 출력과 비운 출력의 차이를 몇 배로 키울지 정하는 값이다	기호는 γ이며 1보다 크게 둔다. classifier-free guidance의 guidance scale과 같은 위치의 값이다. 너무 크면 손상된 지시문에 과민해진다 (Zhan 2026, 2026-10 등재)
model-predictive control	model-predictive control	—	model-predictive control은 학습한 동역학으로 후보 action을 여러 스텝 앞까지 예측해 점수를 매기고 첫 action만 실행한 뒤 다시 계획하는 제어 방식이다	약어 MPC 병용 가능. 번역어 "모델 예측 제어"는 Nav2의 MPPI 설명에서 일반 서술로 이미 쓰이고 있어 기계 검사에서 뺐다. 지침만 (2026-09 등재)

신규 용어 추가 절차

sources·wiki 작성 중 이 표에 없는 전문 용어를 만나면 본문에는 원어 + 첫 등장 풀이로 즉시 쓰고, Step 3.5 confirm 시점에 "용어집 추가 후보"로 함께 보고한다. 사용자가 승인하면 이 표에 행을 추가하고 같은 커밋에 포함한다. 자세한 절차는 write-wiki 스킬을 따른다.

표기 원칙

용어 표

신규 용어 추가 절차

관련 페이지