논문Hugging Face
Zetta ζ: An Efficient Closed-Loop Embodied Harness for Self-Evolving Physical Intelligence
논문 ID: 2608.16590129 추천
#Embodied AI#Closed-loop Control#Robot Learning#Self-Evolving#Agent#Inference
핵심 요약
기존의 사후 피드백 방식에서 벗어나, 실행 중 실시간 제어와 코드 기반 스킬 진화를 가능케 하는 폐쇄 루프(Closed-loop) 로봇 제어 프레임워크
상세 내용
기존의 로봇 에이전트는 에피소드가 끝난 후에만 성찰하는 개방 루프(Open-loop) 방식에 머물러 있어, 실시간으로 변하는 물리적 환경에 즉각 대응하기 어려웠습니다. 이를 해결하기 위해 본 논문은 베이스 정책(Base Policy)은 고정한 채 코드 기반의 크리틱과 복구 스킬을 온라인으로 진화시키는 Zetta 프레임워크를 제안합니다. Zetta는 세 가지 시간적 스케일로 분리된 루프를 통해 액션 빈도 제어, 롤아웃 수준의 제안, 검증 기반의 스킬 업데이트를 수행합니다. 또한 에이전트 로직과 실행 자원을 분리한 Z-Infra를 통해 효율적인 실행 환경을 구축했습니다. 실험 결과, LIBERO-Pro 및 RoboCasa 벤치마크에서 SOTA 성능을 달성했으며, 추론 속도 향상과 함께 자가 탐색 경험에 따른 성공률 스케일링을 입증했습니다.
주요 내용
- 세 가지 시간적 스케일(Action-frequency, Rollout-level, Validation-gated)로 분리된 폐쇄 루프 제어 구조
- 베이스 정책을 수정하지 않고 코드 기반의 크리틱과 복구 스킬을 온라인으로 진화시키는 방식
- 에이전트 로직과 하드웨어 실행을 분리하여 효율성을 극대화한 Z-Infra 인프라
실무에서 볼 만한 점
LLM/VLM 기반 에이전트의 느린 추론 속도 문제를 해결하면서도, 물리적 환경의 실시간 변화에 대응할 수 있는 하이브리드 제어 구조를 제시합니다.
참고할 행동
- 기존의 사후 피드백(Post-hoc) 방식과 Zetta의 실시간 제어 방식 간의 성공률 비교 실험
- 코드 기반 스킬 생성 시 발생하는 예외 상황에 대한 복구 로직의 안정성 테스트
- 다양한 하드웨어 환경에서 Z-Infra의 분산 실행 효율성 검증