Thinker-WM
유비테크🇨🇳 중국Thinker 계열
월드 모델발표일 2026.05가중치 공개 · CC-BY-NC-SA-4.0
RGB 영상·메트릭 깊이·로봇 행동을 하나의 트랜스포머로 함께 생성하는 유비테크의 통합 월드 모델로, 2026년 5월 발표 후 10월 가중치가 공개된 것으로 집계돼요. 공식 문서는 EWMBench·WorldOlympiad·WorldArena 1위를 내세워요.
- 파라미터
- —값 없음 (미공개이거나 아직 확인하지 못함)
- 제어 빈도
- —값 없음 (미공개이거나 아직 확인하지 못함)
- 적용 로봇
- —
- 벤치마크 결과
- —
B (10억 개)
Hz · 행동 출력 빈도
윙치키에 연결된 로봇
수록된 점수
공식 자료프로젝트 페이지 thinkercosmos.ubtrobot.com논문 arxiv.org코드 저장소 github.com가중치 huggingface.co
한눈에 읽기
무엇인가
- 월드 모델 — 다음 장면을 영상으로 상상하는 AI. 학습용 가상 영상을 만들거나 동작 결과를 미리 평가하는 데 써요.
- 발표일 2026-05
- 가중치 공개 (CC-BY-NC-SA-4.0) — 내려받아 직접 실행·추가 학습할 수 있음
확인된 정보
- 사양 9개 항목 중 5개에 값이 있음
- 공식 공식 5개: 구조, 입력, 학습용 데이터셋, 학습용 데이터셋 규모(시간), 발표 벤치마크
- 값 확인일 2026-10 · 값마다 출처는 아래 '구조와 학습' 표
확인이 필요한 정보
- 값 없는 기본 사양 (공개 자료에서 찾지 못함): 파라미터 (B)
어떤 모델인가
Thinker-WM은 유비테크 Thinker 팀이 만든 통합 월드 모델로, 2026년 상반기 처음 소개된 뒤 10월 논문이 나왔고 코드와 가중치도 공개됐다. 하나의 공유 트랜스포머 백본(Unified Dynamics Transformer)에 모달리티별 입력·출력 전문가를 붙여 RGB 영상·메트릭 깊이·로봇 행동·언어를 한 표현 공간에서 다루며, 첫 프레임과 지시문으로 영상과 행동을 함께 생성하는 모드, 행동만 내는 정책 모드, 행동으로 영상을 만드는 모드, 영상에서 행동을 역추정하는 모드 등 6가지 방식으로 쓸 수 있다. Wan2.2-TI2V-5B 영상 생성 모델을 미세조정해 1인칭 영상 약 2만 시간, 실제 로봇 데이터 약 1만 시간(이 중 약 4천 시간은 깊이 정렬), 시뮬레이션 데이터 약 1천 시간으로 학습했다.
팀은 EWMBench·WorldOlympiad·WorldArena 세 월드 모델 벤치마크에서 1위, RoboTwin 50개 과제 평균 성공률 92.6%(Clean 설정)를 기록했다고 발표했고, 상반기에는 LIBERO 1위를 주장했다고 보도됐다. 가중치는 비상업 CC BY-NC-SA 4.0 라이선스로 공개됐다.
회사 공식 페이지와 논문을 바탕으로 정리했어요. 성공률·최초 같은 표현은 회사 발표예요.
구조와 학습
| 구조 | 공유 중간 트랜스포머(Unified Dynamics Transformer) + 모달리티별 입·출력 전문가로 RGB·메트릭 깊이·로봇 행동(언어 토큰 포함)을 공동 모델링·생성; Wan2.2-TI2V-5B 기반공식 |
|---|---|
| 입력 | 텍스트 프롬프트, 첫 프레임 RGB(선택적 깊이), 로봇 상태·행동 또는 영상(추론 모드별 6종)공식 |
| 학습용 데이터셋 | 에고센트릭 영상 약 2만 시간 + 실로봇 데이터 약 1만 시간(그중 약 4천 시간 깊이 정렬) + 시뮬레이션 약 1천 시간공식 |
| 학습용 데이터셋 규모(시간) | 31,000공식 |
| 발표 벤치마크 | EWMBench Overall 4.66, WorldOlympiad 로보틱스 0.739, WorldArena Track-1 EWMScore 71.73으로 세 벤치마크 1위; RoboTwin 50개 작업 성공률 92.6%(Clean) / 91.4%(Randomized)공식 |