AI 연구연구 프리프린트
공간 AI 학습 자료 580만 건, 오류를 찾아 다시 가르치는 순환 구조
원문 읽기 · arxiv.org ↗(새 탭에서 열림)Anvil은 물체 위치·관계·동작 가능성을 한 장면의 연결된 자료로 만들고, 모델이 처음 틀린 단계에 맞춰 전문 모델의 가르침을 다시 투입한다.
연구 방법
- 11가지 공간 출력 형식에 같은 장면·물체 참조를 붙여 생성 결과가 서로 맞는지 검사한다. 16만 이미지에서 근거가 연결된 기록 580만 건을 구성하고 522만 건은 학습, 58만 건은 보류 평가에 사용했다.
평가 결과
- 9B 학생 모델 Anvil-MOPD는 7개 공개 평가 평균에서 Qwen3.5-9B보다 9.29%포인트, RynnBrain-8B보다 11.03%포인트 높았고 VABench-Point는 80.67%였다. 그러나 유효한 행동 계획 판정은 55.53%로 여전히 많은 가능 경로를 거절했다.
적용 조건
- 11개 사전 정의된 출력 형식과 평가 과제에 묶인 결과다. 익숙하지 않은 환경·목표 조합, 실제 로봇의 상호작용 학습까지 입증되지 않았다. 자료 생성·검증 비용과 원천 이미지 권리도 별도 운영 검토가 필요하다.
함께 확인할 조건
- 11개 사전 정의된 출력 형식과 평가 과제에 묶인 결과다. 익숙하지 않은 환경·목표 조합, 실제 로봇의 상호작용 학습까지 입증되지 않았다. 자료 생성·검증 비용과 원천 이미지 권리도 별도 운영 검토가 필요하다.
출처와 편집 기준
arxiv.org · 연구 프리프린트 · 검수 2026.10.19 (KST)
요약은 원문의 핵심을 정리했으며, 커머스 인사이트는 편집 해석이다.