RoboBrain 2.5

이해·계획 (VLM)발표일 2026.01가중치 공개 · Apache-2.0

Qwen3-VL 기반으로 3D 공간 추론과 조밀한 시간적 진행도 추적을 강화한 RoboBrain 최신판으로, 진행도 추정을 하위 강화학습의 보상 신호로 쓸 수 있어요. 4B·8B 가중치가 공개됐고 32B는 미공개 상태예요.

파라미터: 8공식
제어 빈도: —값 없음 (미공개이거나 아직 확인하지 못함)
적용 로봇: —
벤치마크 결과: 2건

공식 자료프로젝트 페이지 superrobobrain.github.io 논문 arxiv.org 코드 저장소 github.com 가중치 huggingface.co

무엇인가

이해·계획 (VLM) — Vision-Language Model. 영상과 말을 함께 이해해 장면을 해석하고 할 일을 계획하는 AI.
발표일 2026-01
가중치 공개 (Apache-2.0) — 내려받아 직접 실행·추가 학습할 수 있음
수록된 벤치마크 결과 2건

확인된 정보

사양 9개 항목 중 2개에 값이 있음
공식 공식 2개: 구조, 파라미터 (B)
벤치마크 결과 2건: 자체 발표 1건 · 자체 발표 외 평가 1건
값 확인일 2026-01 – 2026-03 · 값마다 출처는 아래 '구조와 학습' 표

확인이 필요한 정보

값 없는 기본 사양 (공개 자료에서 찾지 못함): 입력, 학습용 데이터셋
수록된 로봇과의 연결 기록 없음 — 쓰이지 않는다는 뜻이 아니라 공개 자료에서 찾지 못했다는 뜻이에요

어떤 모델인가

RoboBrain 2.5는 BAAI가 2026년 1월 공개한 RoboBrain 계열의 이해·계획 (VLM) 모델로, 3D 공간 추론과 작업 진행도 추정을 강화했다. Qwen3-VL 구조를 바탕으로 깊이를 반영한 3D 좌표와 실제 거리 제약을 다루며 조작 경로를 순서 있는 3D 키포인트 열로 출력하고, 여러 시점 영상에서 작업 진행도와 성공·실패 상태를 단계마다 추정한다. 학습에는 약 1,240만 샘플을 2단계로 썼고 진행도 데이터는 실제 로봇·시뮬레이션·사람 영상에서 만들었으며, 같은 설정을 NVIDIA와 Moore Threads GPU 클러스터에서 각각 학습한 8B-NV·8B-MT 두 판을 냈다.

연구진은 CV-Bench·RoboSpatial·TraceSpatial 등 다수 항목에서 Gemini-3-Pro-Preview를 앞섰다고 보고했고(RefSpatial·Q-Spatial에서는 뒤짐), 진행도 추정을 행동 생성 (VLA) 강화학습 보상으로 쓰면 시범 한 번만으로 정밀 조작 성공률 95% 이상을 얻는다고 주장한다. 가중치는 8B(1월)와 4B(2026년 3월)가 Apache-2.0 라이선스로 공개됐고, 32B는 README 기준 아직 공개되지 않았다.

회사 공식 페이지와 논문을 바탕으로 정리했어요. 성공률·최초 같은 표현은 회사 발표예요.

구조와 학습

공식보도루머추정— 값 없음

구조	Qwen3-VL 기반 이해·계획 (VLM) 모델, 3D 공간 추론 + 시간 진행도(보상) 추정공식
파라미터 (B)	8공식

벤치마크 결과

결과 날짜 최신순 · 같은 벤치마크라도 세부 조건이 다르면 직접 비교할 수 없어요

벤치마크	세부 조건	점수	평가 구분	결과 날짜
SimplerEnv (SIMPLER)	WidowX (Bridge) 4개 과제 평균	67.6%	다른 팀 논문 표	2026-08
RoboSpatial	RoboSpatial All (RoboBrain 2.0/2.5 보고서 평가)	73.03%	자체 발표	2026-01

출처 6건

arxiv.org [1][2][3]
superrobobrain.github.io [1]
github.com [1]
huggingface.co [1]

한눈에 읽기