WALL-WM

X스퀘어 로봇(쯔볜량)🇨🇳 중국WALL 계열

월드 모델발표일 2026.05가중치 비공개

미래 영상과 행동을 함께 예측하는 X Square의 월드-액션 모델로, 고정 길이 청크 대신 '행동 이벤트' 단위로 예측해요. 가중치는 공개되지 않았어요.

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

공식 자료프로젝트 페이지 x2robot.com 논문 arxiv.org 코드 저장소 github.com

무엇인가

월드 모델 — 다음 장면을 영상으로 상상하는 AI. 학습용 가상 영상을 만들거나 동작 결과를 미리 평가하는 데 써요.
발표일 2026-05
가중치 비공개 — 설명·결과만 공개됨

확인된 정보

사양 9개 항목 중 5개에 값이 있음
공식 공식 5개: 구조, 입력, 학습용 데이터셋, 적용 로봇 형태, 발표 벤치마크
값 확인일 2026-06 · 값마다 출처는 아래 '구조와 학습' 표

확인이 필요한 정보

값 없는 기본 사양 (공개 자료에서 찾지 못함): 파라미터 (B)

어떤 모델인가

WALL-WM은 X Square Robot이 2026년 5월 말 발표한 '월드 액션 모델'로, 미래 장면 영상과 로봇 행동을 함께 예측하는 월드 모델 계열의 피지컬 AI 기반 모델이다. 고정 길이 action chunk 대신 뻗기·잡기·옮기기·놓기처럼 의미가 묶인 '행동 이벤트'를 학습 단위로 삼으며, Wan 계열 텍스트-영상 diffusion 모델에서 가져온 비디오 타워에 같은 깊이의 행동 DiT를 층마다 연결해 다시점 영상·고유수용 상태·이벤트 설명으로부터 미래 다시점 영상과 엔드이펙터 궤적을 flow matching으로 함께 생성한다. 인터넷 영상, 1인칭 사람 영상, UMI 방식 기록, 원격조작 실제 시범, 공개 로봇 학습용 데이터셋을 이벤트 단위 캡션과 군집 균형 샘플링으로 정리해 Muon 옵티마이저 기반 인프라로 사전학습했다.

다음 이벤트를 지정받는 이벤트 모드와 Qwen3.5-9B 기반 이해·계획 (VLM) 모델의 Staircase Decoding으로 고정 길이 청크를 내는 통합 모드를 지원하며, 개발사는 실세계 일반화 평가에서 이벤트 모드가 평균 과제 진행도 53.75로 π0.5(24.00)·DreamZero(28.50)를 앞섰다고 발표했다. 코드는 Apache-2.0으로 공개됐지만 사전학습 체크포인트는 아직 '공개 예정'이다.

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

구조와 학습

공식보도루머추정— 값 없음

구조	이벤트 단위 월드 액션 모델: Wan2.2-TI2V-5B에서 가져온 비디오 DiT + 같은 깊이의 행동 DiT(층별 cross-attention), 미래 다시점 영상·엔드이펙터 궤적 공동 생성. 통합 모드는 Qwen3.5-9B 이해·계획 (VLM) 사용공식
입력	현재 다시점 영상(카메라별 키프레임), 고유수용 상태, 이벤트 설명(캡션)공식
학습용 데이터셋	인터넷 영상(OpenVID 등), 1인칭·사람 행동 영상, UMI 방식 기록, 자체 원격조작 실제 시범, 공개 로봇 학습용 데이터셋(DROID·AgiBot World 등)공식
적용 로봇 형태	데스크톱 양팔 로봇 암, QUANTA X1·X1 Pro(모바일), QUANTA X2(바퀴형 휴머노이드)공식
발표 벤치마크	실세계 일반화 평가 평균 과제 진행도 53.75(이벤트 모드; DreamZero 28.50, π0.5 24.00), RoboTwin 50과제 zero-shot 평균 성공률 15.2%(500회 중 76회 성공, 자체 보고)공식

출처 5건

arxiv.org [1][2]
x2robot.com [1]
github.com [1]
technode.global [1]

한눈에 읽기