링크: 논문 PDF로 바로 열기

Part 1: 요약 본문

메타데이터

저자: Ruiyan Gong, Yingnan Guo, Junjun Hu, et al.

---

1. Key Terms & Definitions (핵심 용어 및 정의)

• Slow-Fast Architecture: 높은 수준의 추론을 담당하는 'Slow System'과 낮은 지연 시간으로 실시간 제어를 수행하는 'Fast System'을 분리한 이중 제어 프레임워크입니다.
• CoT (Chain-of-Thought): 언어 모델이 단계별 논리적 추론을 수행하여 최종 행동의 근거를 생성하는 메커니즘으로, 모델의 의사결정 과정을 투명하게 시각화합니다.
• Pixel Goal: 에이전트의 현재 관측 이미지 내에 투영된 2D 좌표로, 이동 가능한 'Affordance Pixel'과 최종 목적지인 'Target Pixel'로 구성되어 행동의 지표가 됩니다.
• GRPO (Group Relative Policy Optimization): 언어 모델의 출력값을 환경으로부터의 보상과 직접적으로 정렬(Alignment)하기 위해 도입된 강화학습 최적화 방식입니다.
• Foundation Model: 특정 작업에 고정되지 않고 다수의 Emobodied Navigation 태스크(Point-Goal, Object-Goal, POI-Goal 등)를 범용적으로 수행하는 대규모 사전 학습 모델입니다.

2. Motivation & Problem Statement (연구 배경 및 문제 정의)

본 논문은 기존의 단일 통합 정책(Monolithic Policy)이 가진 navigation의 한계점과 확장성 문제를 해결하기 위해 ABot-N1을 제안합니다 [Figure 1]. 기존 모델들은 지연 시간이 긴 시맨틱 추론과 빠른 속도의 모터 제어를 하나의 파라미터 공간에서 처리함으로써, 최적화 충돌 및 negative transfer가 발생하는 문제를 겪고 있습니다. 또한, 블랙박스 형태의 정책은 이동 경로의 안전성과 결정 과정의 투명성을 확보하기 어렵게 만듭니다. 특히, 지리 정보의 오차로 인한 위험 지역 진입이나 복잡한 환경에서의 장기적 목표 달성 실패는 범용 모델이 실세계에 적용되는 데 큰 걸림돌이 되어 왔습니다.

Figure 1 — ABot-N1 시스템 전체 구조

3. Method & Key Results (제안 방법론 및 핵심 결과)

ABot-N1은 Slow System(4B 파라미터)과 Fast System(2B 파라미터)을 비동기적으로 결합한 계층적 아키텍처를 핵심으로 합니다 [Figure 2]. Slow System은 언어 명령과 시각적 컨텍스트를 입력받아 명시적인 CoT 추론과 2D Pixel Goal을 생성하며, 이는 전체 navigation 태스크를 '픽셀 추적'이라는 단일 인터페이스로 추상화합니다. 이어서 Fast System은 이 시각적 앵커와 실시간 센서 데이터를 입력으로 받아 Continuous Waypoint를 생성함으로써 낮은 Latency와 높은 반응성을 보장합니다. 특히, 모델의 추론 능력을 극대화하기 위해 GRPO 기반의 강화학습을 적용하여 실제 보상과 출력값을 정렬하였습니다. 실험 결과, ABot-N1은 POI 도착 성공률에서 이전 모델 대비 35.0% 향상된 77.3%를 달성하였으며, 복잡한 실내외 환경에서 각각 95.4%, 92.9%의 높은 성공률(SR)을 기록하였습니다. 이는 기존의 태스크별 특화 모델은 물론 타 범용 모델들을 능가하는 수치입니다.

Figure 2 — Slow-Fast 아키텍처 상세

4. Conclusion & Impact (결론 및 시사점)

본 연구는 CoT와 Pixel Goal을 통한 추론과 제어의 분리가 embodied navigation의 성능과 범용성을 극대화할 수 있음을 입증하였습니다. ABot-N1은 명시적인 언어적 추론과 시각적 Grounding을 결합하여 복잡한 도심 환경에서의 장기적인 자율성을 성공적으로 구현했습니다. 이 연구가 제안하는 새로운 벤치마크인 ABotN-PointBench와 ABotN-POIBench는 향후 커뮤니티의 기술 발전을 가속화할 것입니다. 결론적으로, 본 모델은 '뇌와 신체'의 분리라는 아키텍처적 접근을 통해 로봇 제어의 투명성과 안전성이라는 실질적인 과제를 해결하며 차세대 embodied AI 연구의 방향성을 제시합니다.

⚠️ 알림: 이 리뷰는 AI로 작성되었습니다.