Physical AI 카테고리 지도와 학습 경로

요약

wiki/physical-ai/는 93개 페이지로 늘었다. 이 문서는 그 지도다. 어떤 자료가 어디에 있고 어떤 순서로 읽으면 되는지, 분류 기준과 태그 어휘는 무엇인지를 한자리에 모은다.

카테고리는 실질적으로 두 도메인으로 갈려 있다. 한쪽은 VLA와 foundation model 계열이고 vla 태그가 붙은 페이지만 64개다. 다른 쪽은 고전 로보틱스 스택으로, LiDAR odometry 계열 6개와 Nav2 계열 4개가 자기들끼리만 링크를 주고받는다. 두 묶음 사이에는 상호 참조가 거의 없다. CLAUDE.md가 정한 40페이지 분할 검토선을 이미 넘겼으므로 아래 "분할 검토" 절에서 따로 다룬다.

자료가 낱개가 아니라 클러스터로 들어왔다는 점도 이 저장소의 특징이다. 한 프로젝트를 놓고 원 논문, 공식 발표글, 구현 저장소, 한국어 해설을 함께 갖고 있는 경우가 여럿이다. 겹마다 담당하는 정보가 달라서 이 중복은 낭비가 아니다.

카테고리 구성

클러스터 분포

프로젝트 단위로 묶으면 카테고리의 모양이 드러난다. 아래 표는 77개 페이지 시점에 만든 묶음이고, 한 페이지가 두 묶음에 걸치는 경우가 있어 합계는 그 수와도 정확히 맞지 않는다.

이후 추가된 16개 페이지는 아직 이 표에 반영하지 않았다. Behavior Tree와 LLM 계획 계열 3편, τ0-VLA와 Cortex와 HiVLA의 논문과 프로젝트 페이지 6편, RoboClaw와 COIN과 LIBERO-Recover 3편, 대화 기반 실행 1편, awesome 리스트와 클라이언트 저장소 2편, Genesis World 저장소 1편이다. 다음 갱신에서 묶음을 다시 잡는다.

한 프로젝트를 여러 겹으로 갖는 이유

같은 프로젝트를 여러 겹으로 갖는 값어치는 π 계열이 가장 잘 보여준다. 논문은 방법과 ablation을 준다. 같은 날 올라온 공식 발표글에는 논문이 막대그래프로만 준 수치가 값으로 적혀 있고 무편집 데모 영상이 붙는다. 저장소에는 논문 이후에 나온 체크포인트와 배포 제약이 있다. 한국어 primer는 예비 지식을 앞에 깔아 진입 문턱을 낮춘다.

π 계열은 세대마다 논문과 발표글이 같은 날 나오는 구조라 대응이 특히 규칙적이다.

발표글이 논문 요약본에 그치지 않는다는 점이 이 대응의 핵심이다. π0.5 발표글은 논문이 그래프로만 보여 준 데이터 원천 ablation 수치를 값으로 적고, π*0.6 발표글은 에스프레소 과제를 새벽 5시 30분부터 밤 11시 30분까지 18시간 동안 끊김 없이 실행했다는 배치 현장의 규모를 적는다. 네 세대의 코드와 가중치는 openpi 저장소가 함께 담당한다. 이 저장소는 base checkpoint 3종과 플랫폼별 fine-tuned checkpoint 7종을 Apache-2.0으로 열고, 추론은 8GB가 넘는 GPU면 되고 LoRA fine-tuning은 22.5GB라 RTX 4090 한 장에서 실행된다.

GR00T 클러스터도 같은 구조이지만 겹의 역할 배분이 다르다. N1만 논문 형태이고 N1.5와 N1.7은 프로젝트 페이지와 저장소가 1차 출처를 담당한다.

개발자 블로그는 논문에 없는 GPU 사양과 데이터 준비부터 평가까지의 다섯 단계를 담당하고, N1.5 프로젝트 페이지는 릴리스 노트에 가까워 변경점 네 가지와 그 효과를 수치로 적는다. 예를 들어 실제 GR-1 로봇에서 지시를 따른 비율이 46.6%에서 93.3%로, Unitree G1 post-training 성공률이 44.0%에서 98.8%로 올랐다.

WALL-OSS는 네 겹이 서로 다른 층을 맡는다. 원 논문이 Self-Attention은 공유하고 FFN만 vision-language용과 action용으로 나누는 구조와 두 단계 커리큘럼을 세우고, Wall-OSS-0.5 기술 보고서가 그 pre-training 체크포인트를 초기값이 아니라 policy 그대로 평가한다. wall-x 저장소는 데이터 준비부터 fine-tuning과 서빙, 평가까지의 경로를 Apache-2.0으로 열고, 프로젝트 페이지는 새 수치 대신 평가 과제의 실행 장면을 11분 46초 분량의 영상 26편으로 보여 준다.

dual-system 묶음도 마찬가지다. Figure의 Helix 발표문이 원문이고, PyTorch KR의 한국어 소개는 원문에서 iframe에 가려 수집되지 않는 System 1과 System 2 구조도를 일반 이미지로 싣는다. 판정 기준은 OpenHelix 논문이 세우고, Awesome-Dual-System-VLA가 그 기준을 목록으로 옮겨 갱신한다. 이 목록은 dual-system에 해당하는 논문과 해당하지 않는 논문을 두 절로 나란히 두는데, π0과 π0.5, GR00T N1이 후자에 들어간다.

한국어 자료층

한국어 자료가 두껍다는 것도 이 저장소의 성격이다. WikiDocs "모두의 로보틱스" primer 10편이 VLA 본류를 거의 그대로 따라가며, 각 편은 원 논문 페이지 앞에 두는 진입로 역할을 한다.

primer 열 편이 모두 같은 밀도인 것은 아니다. 03-09편은 강화학습 기초부터 RECAP 수식 유도까지 내려가고, 03-11편은 논문 여러 절에 흩어진 손실 함수를 학습 단계 순서로 다시 배열해 기호를 하나씩 풀이한다. 반면 03-13편은 원 논문 도식에 저자가 빨간 테두리를 덧그린 주석 그림으로 같은 구조도를 세 번 반복해 읽힌다.

primer 외의 한국어 자료는 다섯 가지로 나뉜다. PyTorch KR 해설 3편, 로봇 엔지니어 채널 영상 2편, SLAM 세미나 영상 2편, 실리콘밸리 RFM 연재 2편, Nav2와 FAST-LIO 블로그 3편이다. 합치면 한국어 자료는 22편이고, 주요 모델 대부분에 원 논문을 열기 전에 들를 곳이 하나씩 있다.

학습 경로

VLA 본류를 따라가는 A 트랙이 기본이다. B와 C는 성격이 달라 따로 뒀다. 아래 A 트랙 11단계는 frontmatter의 study_path와 같은 순서다.

A 트랙 VLA 계보

1. 103-03. RT-1 (모두의 로보틱스 - VLA 입문)

   한국어 입문 해설로 policy, episode, imitation learning 어휘를 먼저 잡는다. 논문을 바로 열지 않아도 되는 진입로.

2. 2RT-1 (Robotics Transformer)

   이미지와 언어를 토큰으로 바꿔 Transformer에 넣는다는 발상의 원점. 파라미터 3,500만 개, 3Hz, 256 bin이라는 출발 지점의 크기를 기억해 둘 것.

   선수03-03. RT-1 (모두의 로보틱스 - VLA 입문)

3. 3RT-2 (Google DeepMind)

   VLA라는 범주가 여기서 생긴다. 웹 VQA를 배치에 계속 섞는 co-fine-tuning이 핵심 레시피다.

   선수RT-1 (Robotics Transformer)

4. 4Open X-Embodiment / RT-X 프로젝트 페이지

   관심사가 한 모델 여러 과제에서 한 모델 여러 로봇으로 넘어간다. 이후 거의 모든 오픈 VLA의 학습 데이터.

   선수RT-2 (Google DeepMind)

5. 5OpenVLA (Stanford, Berkeley, TRI)

   RT-2 계보의 첫 완전 오픈소스 재현. 7B가 55B를 앞서면서 action tokenization이 표준으로 굳는다.

   선수Open X-Embodiment / RT-X 프로젝트 페이지

6. 6ALOHA + ACT (Learning Fine-Grained Bimanual Manipulation)

   action chunking의 출처. 이산 토큰 계열과 다른 가지라 π0을 읽기 전에 봐 두면 대비가 선명하다.

7. 7π0 (Physical Intelligence)

   이산 토큰 전제를 버리고 flow matching으로 연속 action을 낸다. control frequency가 50Hz로 올라가는 지점.

   선수OpenVLA (Stanford, Berkeley, TRI) · ALOHA + ACT (Learning Fine-Grained Bimanual Manipulation)

8. 8Helix (Figure AI)

   느린 VLM과 빠른 visuomotor policy를 나눠 붙이는 dual-system 구조. 7B와 80M, 200Hz라는 수치가 기준점이 된다.

   선수π0 (Physical Intelligence)

9. 9OpenHelix (Westlake Univ)

   dual-system에 판정 기준을 세우고 설계 항목 7개를 실험으로 확인한다. 용어가 헐거워지는 것을 막는 자리.

   선수Helix (Figure AI)

10. 10VLA for Robotics, Full-Stack Review (Survey)

    여기까지 온 뒤 서베이로 좌표계를 맞춘다. backbone과 action head 조합 7분류가 앞서 읽은 모델들을 제자리에 놓아 준다.

    선수OpenHelix (Westlake Univ)

11. 11World Model for Robot Learning (Survey)

    VLA 계열을 벗어나 world model 계열로 건너간다. policy 결합 5분류가 다음 묶음의 어휘다.

    선수VLA for Robotics, Full-Stack Review (Survey)

A 트랙의 곁길

본류에서 갈라져 나오는 방향이 여섯 가지 있다. 각각 본류의 어느 전제를 바꾸는지로 구분된다.

뒤의 두 곁길은 본류와 성격 차이가 특히 크다. ASPIRE는 policy를 신경망 가중치가 아니라 코딩 에이전트가 고쳐 쓰는 Python 프로그램으로 두고, 실행 엔진과 skill library, evolutionary search 세 구성 요소로 지속학습을 굴린다. GEN-1.5는 가중치를 한 번도 갱신하지 않은 상태에서 10개 과제 평균 성공률 59%를 얻는데, 저자들은 in-context learning을 유도하는 구조 변경이나 meta-learning 루프를 하나도 넣지 않았고 8개월 넘는 pre-training 과정에서 이 능력이 저절로 나타났다고 밝힌다.

전체 계보를 30분 안에 훑고 싶으면 엥지유니버스 14편 리뷰나 LearnOpenCV 튜토리얼이 지름길이다. RT-1과 RT-2 두 편만 아키텍처 수준에서 대조하고 싶으면 같은 채널의 20분 리뷰가 있는데, 300×300×3 이미지가 visual token 8개로 줄어드는 과정을 텐서 크기를 대입해 따라간다. 다만 세 자료 모두 개괄이라 수치 근거가 필요한 비교에는 원 논문을 봐야 한다.

B 트랙 world model과 생성

1. World Model for Robot Learning. policy 결합 5분류와 학습된 시뮬레이터라는 두 용도로 문헌을 가른다. 병목을 그럴듯한 미래가 아니라 action에 인과적으로 alignment된 실행 가능한 미래로 옮겨 잡는다.
2. World Models for Embodied AI. 로보틱스와 자율주행, 범용 비디오를 하나의 좌표계에 올린다. 분류 기준은 결합도와 시간 전개, 장면 형식 세 가지다.
3. World-Action Models. VLM에서 출발하는 기존 VLA 옆에 영상 backbone에서 출발하는 두 번째 레시피가 자리 잡는 중이라는 지형도다. A 트랙과 B 트랙이 만나는 지점이다. 한국어로 먼저 훑고 싶으면 PyTorch KR 한국어 판이 있는데, 원문에서 수집되지 않은 도식까지 23장이 전부 실려 있다.
4. GR-1. 위 두 번째 레시피의 원형이다. Ego4D 1인칭 영상 80만 clip에 다음 프레임 예측을 먼저 학습시킨 뒤 같은 모델에 상태 입력과 action 출력을 붙인다. 공식 저장소는 CALVIN 벤치마크 평가 경로와 가중치만 열고 pre-training과 fine-tuning 코드는 담지 않으므로, 다른 로봇으로 옮기려면 재구현이 필요하다.
5. Generative Physical AI in Vision. 생성 모델이 물리 법칙을 지키게 만드는 연구를 physics-aware generation이라는 이름으로 묶는다. 한국어 해설은 PyTorch KR 2편에 있다.
6. Cosmos WFM Platform. 서베이 넷이 그려 둔 지형의 1차 구현이다. world foundation model을 데이터 큐레이션부터 tokenizer와 pre-training, downstream fine-tuning까지 플랫폼 단위로 묶어 내놓는다.

C 트랙 고전 로보틱스 스택

VLA와 직접 이어지지 않는다. 실제 기기를 구동하려면 필요한 층이다.

• LiDAR odometry 계열은 FAST-LIO, FAST-LIO2, 공식 저장소 순으로 읽는다. 수식이 막히면 한국어 리뷰나 12분 세미나가 있고, ikd-Tree를 해시 voxel로 바꾼 후속은 Faster-LIO 해설이 다룬다.
• 이동 로봇 내비게이션은 Nav2 입문, 개념 정리, 공식 문서, 소스 저장소 순으로 읽는다.

평가 무대와 공용 프레임워크

모델이 아니라 모델을 재고 올려놓는 층도 따로 있다. RoboCasa 클러스터가 평가 무대를 담당한다. RoboCasa가 주방 장면 120개와 과제 100종으로 출발했고, RoboCasa365가 과제 365종과 2,200시간 데이터로 VLA 4종을 같은 조건에서 비교한다. 공식 저장소는 설치와 첫 실행까지만 담고 과제 목록과 학습 절차는 문서 사이트로 넘기며, 프로젝트 페이지는 릴리스 이력과 leaderboard 운영처럼 논문에 없는 현황을 담당한다.

시뮬레이션 자체를 만드는 층은 Genesis World가 담당한다. RoboCasa가 장면과 과제를 제공한다면 Genesis World는 그 아래에서 multi-physics 엔진과 렌더러, GPU 커널 컴파일러를 하나의 Python API로 묶는다. 성능 수치를 싣지 않고 예제 카탈로그로 기능 범위를 보이는 자료라, 도입 판단보다는 어떤 물리 현상과 어떤 센서를 다룰 수 있는지 확인하는 용도에 맞는다.

공용 실행 기반은 LeRobot이 맡는다. ACT와 Diffusion, π0 계열, GR00T N1.7, SmolVLA를 포함한 policy 22종이 같은 데이터 형식과 같은 학습 CLI 위에서 동작하므로, 이 wiki가 개별 논문 페이지로 다룬 모델 상당수가 여기에 구현으로 들어와 있다.

산업 현황

논문과 저장소가 다루지 않는 산업 구조는 실리콘밸리 RFM 연재 2편이 담당한다. 1편은 RFM 스타트업이 pre-training과 post-training, 데이터 제작, 평가를 전부 내재화하는 배경과 하드웨어까지 직접 만드는 full-stack 전략을 다룬다. 2편은 VLM에서 VLA로 이어지는 개념을 next-token prediction 원리에서 풀고, 단일 모델 구조와 dual-system 구조가 갈라진 이유를 정리한다. 두 글의 독자는 기술을 직접 개발할지 외부에서 도입할지 판단해야 하는 기업이라, 어느 영역이 오픈소스이고 어느 영역이 각 기업의 차별화 지점인지를 구분하는 데 초점이 있다.

서베이 열한 편

서베이는 어떤 렌즈로 문헌을 자르느냐가 서로 달라, 겹쳐 읽으면 같은 모델이 여러 좌표에 놓인다.

서베이 사이에도 서술 방향의 차이가 있다. 예를 들어 VLN 서베이는 기존 리뷰가 벤치마크와 기법을 아래에서 위로 쌓아 올린 것과 달리, challenge를 먼저 나누고 각 부분에서 foundation model이 무엇을 바꿨는지를 위에서 아래로 서술한다. Bimanual VLA 서베이가 양팔 협응을 렌즈로 고른 이유도 비슷하다. 팔이 하나 늘면 출력 차원이 두 배가 되고 두 팔이 서로의 제약이 되므로, 이 문제가 VLA의 모든 구성 요소를 동시에 압박한다.

이름이 겹치는 GEAR와 GR00T와 SONIC

이름이 비슷한 다섯 용어가 한 조직에서 나와 헷갈리기 쉽다. 층위부터 나누면 구분된다.

헷갈리는 지점은 이름이 뒤바뀐 것처럼 보이는 곳이다. GEAR-SONIC이라는 이름에는 GR00T가 들어가지 않는데, 정작 GR00T라는 이름이 붙은 저장소가 구현하는 최신 컨트롤러 이름이 GEAR-SONIC이다.

이 저장소 안에는 세 세대 컨트롤러가 함께 들어 있다. 하체 RL과 상체 IK를 분리했던 구세대 Decoupled WBC(GR00T N1.5와 N1.6이 사용), robot과 human, hybrid 입력을 하나의 토큰으로 묶은 현세대 GEAR-SONIC(SONIC 논문의 구현체, GR00T N1.7부터 사용), 그리고 실시간 latent 생성 모델 MotionBricks의 프리뷰다.

두 계열의 역할은 신체 부위로 갈린다. GR00T는 팔과 손으로 물건을 다루는 policy의 이름이고, SONIC과 GEAR-SONIC은 몸통과 다리로 균형과 이동을 담당하는 컨트롤러의 이름이다. 두 계열은 따로 발전하다 GR00T-WholeBodyControl 저장소 안에서 합쳐진다. N1.5와 N1.6은 Decoupled WBC와 짝을 이뤘고 N1.7부터는 SONIC과 짝을 이룬다.

분류 기준

기준은 소재가 아니라 방법이다. 방법의 핵심에 센서 입력, 액추에이터 출력, 시뮬레이터, 실체 로봇이나 차량이 있으면 physical-ai다. 반면 물리 도메인을 소재로 삼더라도 방법이 언어와 검색에 머무르면 원래 카테고리에 남는다.

세 번째 줄이 실제로 가장 많이 쓰인 판단이다. 클러스터 표의 π 계열과 GR00T, WALL-OSS, RoboCasa, Nav2, FAST-LIO가 전부 여기 해당한다. 논문은 paper, 저장소는 repo, 발표글과 문서는 article, 리뷰는 video지만 전부 physical-ai에 두고 서로 링크했다. type과 category는 독립이라 유형이 갈려도 분류는 방법을 따른다.

경계가 애매하면 미래의 내가 어느 카테고리에서 찾을 때 더 빨리 발견하는지로 정한다.

태그 어휘와 사용 현황

physical-ai 페이지는 도메인 루트 태그 physical-ai를 달고 아래에서 1개에서 3개를 고른다. 표기는 하나만 허용한다.

분포가 한쪽으로 크게 쏠려 있다. vla가 64회로 전체의 69%라 발견 경로로서의 변별력이 거의 없고, robot-learning도 49회로 사정이 같다. 반면 hardware와 safety, locomotion 셋은 한 번도 쓰이지 않았다. SONIC 계열이 locomotion을 다루는데도 humanoid와 teleoperation으로 붙은 결과다.

1개에서 3개라는 상한도 지켜지지 않고 있다. 93개 중 24개(26%)가 4개를 달았다. 대부분 vla와 robot-learning, manipulation에 하나를 더한 조합이라, 상한을 넘긴 것이라기보다 앞의 세 태그가 거의 자동으로 붙는 것이 원인에 가깝다. 상한을 4로 올릴지, vla와 robot-learning을 루트 태그처럼 취급해 집계에서 뺄지는 CLAUDE.md를 고쳐야 하는 결정이라 여기서는 기록만 한다.

통제 어휘 밖 태그는 한 건 있었다. 엥지유니버스 14편 리뷰가 video를 달고 있었는데, 이것은 태그가 아니라 type 값이라 지웠다.

분할 검토

CLAUDE.md는 wiki/physical-ai/가 40페이지를 넘으면 하위 폴더 분할을 다시 보라고 적어 뒀다. 지금은 93개다. 나눌 선은 태그 분포가 이미 그려 준다.

가장 명확한 후보는 고전 스택 10개다. 두 FAST-LIO 논문과 Nav2 문서가 VLA 페이지를 인용할 일이 없고 그 반대도 마찬가지다. 다만 10개는 폴더를 새로 만들기엔 적은 수라 아직은 태그로 충분하다는 판단도 가능하다. VLA 묶음이 더 커져 다시 나눠야 할 때가 오면, 그때는 계보 계열(RT에서 OpenVLA와 π를 거쳐 dual-system까지)과 서베이 및 해설 계열로 가르는 편이 자연스럽다. 실제 분할은 CLAUDE.md의 디렉터리 규약을 함께 고쳐야 해서 여기서는 선택지만 남긴다.

저장소 현황

연도 분포의 무게중심이 2026년으로 옮겨 갔다. 2026년 자료 46개는 전체의 절반에 가깝고, 한동안 한국어 primer와 서베이가 대부분이던 구성도 바뀌었다. π0.7과 RoboCasa365, ASPIRE에 이어 τ0-VLA와 Cortex, HiVLA, RoboClaw, COIN, LIBERO-Recover 같은 1차 연구가 들어왔고 프로젝트 페이지가 그 옆에 붙는 형태가 반복된다. 2024년과 2025년 자료 36개는 RT 계열과 π 계열, OpenVLA처럼 계보의 기준점이 되는 논문이 차지한다.

앞으로 채울 자리

• Octo. 계보에서 반복해 언급되는데 원본이 없다. Open X-Embodiment 위에서 diffusion head로 간 93M generalist policy라, OpenVLA와 나란히 놓으면 이산 토큰과 diffusion decoder의 대비가 선명해진다.
• Diffusion Policy. action chunking과 함께 거의 모든 서베이가 인용하는데 원본이 없다. ACT와 π0 사이의 빈칸이다. RoboCasa365가 π0과 π0.5, GR00T N1.5와 같은 조건에서 잰 수치를 주긴 하지만 방법 자체의 설명은 여전히 없다.
• Gemini Robotics. 세 개괄 자료가 전부 다루지만 원본이 없다. 클라우드와 온보드를 분리해 배치하는 구성은 다른 곳에 없다.
• world model 1차 논문. Cosmos WFM과 GR-1이 들어오면서 절반은 채워졌다. 남은 빈칸은 latent 공간에서 미래를 전개하는 계열이며, hou 서베이의 policy 결합 5분류 중 latent 항목에 놓을 원본이 아직 없다.
• 시뮬레이션 벤치마크. RoboCasa 계열 4종이 들어오면서 simulator와 benchmark 쪽이 처음 두꺼워졌다. 남은 빈칸은 비교 대상으로 반복 인용되는 Behavior-1K, ManiSkill, LIBERO, Isaac Lab이다. 지금은 RoboCasa 논문의 비교표로만 알고 있다.
• safety와 hardware. 태그는 있는데 자료가 없다. 로봇 안전 표준이나 실제 기기 하드웨어 자료가 들어오면 처음 붙는다.
• locomotion. SONIC 계열이 실질적으로 다루지만 태그가 붙지 않았다. 자료를 늘리기보다 기존 페이지의 태그를 다시 보는 편이 맞다.
• 자율주행. autonomous-driving은 2회로 늘었지만 둘 다 world model 자료의 응용 절이다(서베이 한 절과 Cosmos의 downstream 하나). 카테고리 정의에는 들어 있는데 자율주행 자체를 다룬 1차 자료는 여전히 없다.

새 자료는 CLAUDE.md의 6단계 파이프라인을 그대로 탄다. raw/에 원본을 복사하고 도식을 뽑은 뒤 sources/에 요약을 쓴다. 큐레이션을 확인하고 wiki/physical-ai/에 페이지를 만들고 index.md에 한 줄을 넣는다. 계보에서 자리가 분명한 자료면 이 페이지의 study_path와 A 트랙에도 단계를 추가한다.

이 페이지의 한계

• 이 문서는 각 페이지의 요약을 다시 요약하지 않는다. 어떤 자료가 어디 있고 어떤 순서로 읽는지까지가 범위이고, 내용은 각 페이지가 갖는다.
• 학습 경로에 순서를 매긴 것은 A 트랙 11단계와 곁길 6개, B 트랙 6단계, C 트랙 10개다. 나머지는 클러스터 표와 서베이 표, index.md로 찾는다. 모든 페이지에 읽는 순서를 매기면 지도가 아니라 목록이 된다.
• 클러스터 표의 페이지 수는 한 페이지가 두 묶음에 걸치는 경우를 중복으로 세므로 합이 77과 맞지 않는다.
• A 트랙의 6번(ACT와 ALOHA)과 7번(π0) 사이 순서는 취향이 갈릴 수 있다. action chunking을 먼저 보는 쪽을 택했는데, 이산 토큰 계열을 끝까지 따라가고 싶으면 6번을 뒤로 미뤄도 된다.
• 태그 통계와 분할 논의는 지금 시점의 스냅샷이다. 페이지가 늘면 다시 세야 한다.

관련 페이지

• 용어집: Physical AI (Terminology Glossary): 이 도메인 전문 용어의 canonical 표기 SSOT. 이 페이지의 표기도 그 표를 따른다
• 용어집: LLMs (Terminology Glossary): pre-training과 fine-tuning 등 학습 일반 용어. physical-ai 페이지에도 함께 적용된다
• VLA 발전 과정과 3대 계열 비교: GR00T, π, Gemini Robotics: A 트랙 VLA 계보 중 GR00T, π, Gemini Robotics 세 계열을 세대별로 확대 비교한 overview
• A Survey of Physical AI: A History from ChatGPT to World Models and Embodied Agents: Physical AI 전체를 6층 로드맵으로 정리한 서베이. 이 허브가 저장소 기준 지도라면 그 서베이는 분야 기준 지도다
• Awesome Physical AI, Awesome Physical AI: A Comprehensive Resource Map: 외부 큐레이션 목록 둘. 아직 갖고 있지 않은 자료를 찾을 때 출발점이다
• VLM3: Vision Language Models Are Native 3D Learners: 3D 인식을 표준 VLM의 SFT로 푸는 논문. 물리 상호작용이 없어 llms에 남아 있지만 VLA backbone 쪽과 맞닿는다
• Eagle 2.5: Boosting Long-Context Post-Training for Frontier Vision-Language Models, Eagle: Frontier Vision-Language Models with Data-Centric Strategies: GR00T N1부터 N1.6까지의 VLM backbone이던 Eagle 계열. 방법이 순수 vision-language라 llms에 두고 여기서 잇는다. N1.7이 backbone을 Cosmos-Reason2-2B로 교체하며 계보가 끊긴 지점까지 저장소 쪽 페이지에 정리돼 있다
• TaskMem: Task-Focused Memorization for Multimodal Agents: 1인칭 스트림에서 무엇을 기억할지 학습하는 프레임워크. 방법이 순수 소프트웨어라 agents에 있다