오늘의 주요 뉴스

· Morphi의 엔젤 라운드가 **10억 위안 (RMB 1 billion)**을 초과하며 기업 가치가 70억 위안을 돌파했으며, 전 Huawei 자율주행 책임자 Huang Qingqiu가 합류함

· AgiBot의 15,000번째 로봇(embodied robot)이 생산 라인에서 출고되었으며, 연간 생산 목표는 40,000~50,000대임

· Shengshu Technology가 Series B+ 단계에서 **34억 위안 (RMB 3.4 billion)**을 조달하며, 중국 내 월드 모델 (world model) 분야 최대 규모의 단일 펀딩 라운드를 기록함

· Fudan의 SRPO는 단 200회의 강화학습 (RL) 단계만으로 미세 조정(fine-tuning)을 수행하여, VLA 성공률을 **99.2%**까지 끌어올림

· UBTECH의 990,000 위안 상당의 반려 로봇은 배터리 수명이 2~4시간에 불과하며, 회사 측은 이것이 업계 표준이라고 밝힘

I. 연구 진척 상황

MemoBench: 월드 모델의 "기억 사각지대"를 드러내는 새로운 벤치마크 · benchmark

최근 화제가 되고 있는 "월드 모델 (world model)" 카테고리가 새로운 벤치마크인 MemoBench에 의해 집단적으로 한계를 드러냈습니다. MemoBench는 비디오 생성 모델이 인간이 3세 때 갖게 되는 "객체 영속성 (object permanence)" 능력을 갖추고 있는지 구체적으로 테스트합니다. 즉, 모델이 프레임에서 일시적으로 사라진 객체를 추적할 수 있는지, 그리고 가려져 있는 동안 변화하는 상태(얼음이 녹거나 가루가 부어지는 등)를 파악하여 다시 나타났을 때 "예상되는 상태"로 정확히 복원할 수 있는지를 테스트합니다. 연구팀은 360개의 실제 영상(ground-truth) 세그먼트를 사용하여 10개의 주요 월드 모델을 테스트했으며, "객체 재출현 (object reappearance)" 항목(1.0 만점)에서 0.6점을 넘은 모델이 단 하나도 없었습니다. 이는 사진처럼 실감 나는 출력이 반드시 모델이 세상을 진정으로 "기억하고 시뮬레이션"하고 있음을 의미하지는 않는다는 것을 보여줍니다. 이는 차세대 월드 모델에 정량화 가능한 진단 척도를 제공합니다.

Haoyu Chen 외 (Harvard, MIT, Google 등) · arXiv 2606.27537 source · via Jiqizhixin source (WeChat, CN)

SRPO: VLA를 "자기 참조적 (Self-Referential)"으로 만들기, 200회의 RL 단계로 성공률을 99.2%로 두 배 향상 · vla

VLA에 대한 강화학습(RL) 후 훈련은 오랫동안 이진적인 성공/실패 신호에 머물러, 실제로는 부분적 진전을 포함하고 있는 수많은 실패한 궤적들을 낭비해 왔습니다. Qiu Xipeng이 이끄는 푸단대학교 팀은 SRPO라는 다른 접근 방식을 취합니다: 이는 현재 배치 내에서 생성된 성공적인 궤적들을 '자기 참조(self-reference)'로 활용하여, 세계 모델(world model)의 잠재 공간(latent space)에서 실패한 궤적이 얼마나 진전했는지를 측정하고 그에 따라 밀도 높은 보상(dense rewards)을 할당합니다. 외부 시연이나 수동적인 보상 엔지니어링이 필요하지 않습니다. LIBERO에서 48.9%의 지도 학습(supervised) 기준점(baseline)에서 시작하여, 단 200단계의 RL 미세 조정만으로 새로운 SOTA인 99.2%에 도달했으며, 이는 LIBERO-Plus에서 167% 향상된 수치입니다.

Wang Siyin, Fei Senyu 외 (푸단대학교, 상하이 혁신 연구소; 교신 저자 Qiu Xipeng) · CVPR 2026 · Fanfan Reading PhD Diary 출처 source (WeChat, CN)

StableVLA: 취약한 부분은 '뇌'가 아니라 그 사이의 '번역기'이다 · vla

로봇이 실제 세계에 진입하는 즉시 흐릿함(blur), 눈부심(glare), 오염(grime), 폐쇄(occlusion) 등의 문제에 직면하게 되며, 최첨단 VLA 모델조차 급격한 성능 저하를 겪습니다. Stardust Intelligence는 베이징 대학교(Peking University) 및 칭화 대학교(Tsinghua University)와 협력하여, 취약한 연결 고리가 비전 인코더(vision encoder)나 대규모 언어 모델(LLM)이 아니라, 언어 모델을 위해 이미지를 "번역"하는 중간 모듈인 **프로젝터(Projector)**라는 사실을 발견했습니다. 이들은 정보 이론(information theory)을 활용하여, 특징(features)에 채널별 "스마트 노이즈 감소 스위치"를 적용하는 경량 **IB-Adapter (information bottleneck adapter)**를 제안하였으며, 이를 통해 다양한 시각적 방해 요소 전반에서 평균 **35.2%**의 성능 향상을 이루어냈습니다. 더욱 주목할 점은, 단 5억 개(500 million)의 파라미터만으로(백본은 14배 더 작으며, Open X-Embodiment 사전 학습을 거치지 않음에도 불구하고) 70억 개 파라미터 규모의 SOTA 모델의 강건성(robustness)에 근접했다는 것입니다. 이 연구는 ICML 2026에 채택되었으며 오픈 소스로 공개되었습니다.

Stardust Intelligence (중국 embodied-AI 스타트업) / 베이징 대학교 / 칭화 대학교 · ICML 2026 · via Embodied Intelligence Research Lab source (WeChat, CN)

Do as I Do: 인터넷 비디오에서 실제 숙련된 손 로봇까지의 첫 번째 엔드투엔드(End-to-End) 파이프라인 · manipulation

인터넷에는 이미 방대한 양의 인간 손 조작 (hand-manipulation) 영상이 존재하지만, 어려운 점은 노이즈가 있는 단안 RGB 비디오를 숙련된 손이 실행할 수 있는 궤적 (trajectories)으로 변환하는 것입니다. UC Berkeley의 Do as I Do는 이 파이프라인을 완성한 최초의 사례입니다. 이 모델은 4D 손-물체 상호작용 (hand-object interaction)을 재구성한 다음, 이를 22자유도 (22-degree-of-freedom) Sharpa Wave 숙련된 손으로 리타겟팅 (retargeting)합니다. 이를 통해 문지르기, 펴 바르기, 휘젓기, 망치질 등을 포함한 20가지 조작 카테고리에 걸쳐 검증된 500개의 궤적을 생성하고, 양팔 플랫폼에서 10개의 실제 작업을 50Hz로 배포합니다. 노이즈가 있는 참조 궤적에 대한 리타겟팅 성공률은 25%에서 **71%**로 향상되었습니다. 연구팀은 필터링되지 않은 인터넷 영상 중 실제로 사용 가능한 영상은 약 20개 중 1개에 불과하다는 점도 언급했습니다.

UC Berkeley · arXiv 2606.19333 source · via AI Era (Xin Zhi Yuan) source (WeChat, CN)

KEMO: 진정으로 중요한 것만 기억하는 VLA의 "이벤트 메모리" 부여 · manipulation

장기적 조작 (long-horizon manipulation) 작업에서 로봇은 현재 프레임만으로는 작업의 어느 단계에 있는지 알 수 없기 때문에 종종 막히게 됩니다. 모델이 모든 이력을 기억하게 하는 대신, KEMO (event-driven keyframe memory, 이벤트 기반 키프레임 메모리)는 상호작용으로 인한 상태 변화에 의해 트리거되는 **희소 키프레임 (sparse keyframes)**을 자동으로 선택하여 메모리 뱅크에 저장한 다음, 게이트형 교차 주의 집중 (gated cross-attention)을 통해 현재의 결정에 주입합니다. 이는 기존 VLA 정책에 직접 연결할 수 있는 경량 모듈로, 로봇이 다단계 작업 중에 "지금까지 어떤 컵을 덮었는지"와 같은 진행 표시기 (progress markers)를 기억할 수 있게 해줍니다.

Yihan Zeng 외 · arXiv 2606.23589 source · via Embodied Intelligence Heart source (WeChat, CN)

DriveTeach-VLA: 자율주행 VLA에게 "무엇을 어디서 볼 것인가"를 가르치기 · autonomy

자율주행 VLA (Vision-Language-Action) 모델은 종종 "어디를 보아야 하는지" 모르는 상태에서 추상적인 언어 지침을 받습니다. Beihang University / Tsinghua University / Didi의 DriveTeach-VLA는 2D 텍스트 가이드 포인트 (읽을 수 있는 기하학적 좌표)를 플래너 (planner)에 직접 입력하여, 모델에게 이미지 공간 내에서 정렬 가능한 목표 위치를 제공하며, NAVSIM에서 90.4의 PDMS를 달성했습니다.

Beihang University / Tsinghua University / Didi · ECCV 2026 · via Vehicle Engineering Research source (WeChat, CN)

오픈 소스 · 도구 · 벤치마크

· ACE-Brain-0.5: Daxiang의 오픈 소스 통합 Embodied Foundation Model (체화된 기초 모델)로, 인지/이해/계획/행동을 하나로 처리하는 8B 파라미터 모델입니다. 해당 기업은 여러 지표에서 세계 최고 순위를 기록했다고 주장합니다 ⚠️ 업체 보고 수치 source (WeChat, CN)

· EVA-Client: Beihang University에서 오픈 소스로 공개하였으며, Embodied-AI (체화된 AI) 오픈 소스 배포 및 클라이언트 툴링의 "라스트 마일 (last mile)" 격차를 메우는 것을 목표로 합니다. 출처 (WeChat, CN)

II. 투자 및 거래 (Funding and Deals)

Morphi (중국 Embodied-AI 스타트업) | 엔젤 라운드 (Angel Round) | 10억 위안(RMB) 이상 | 기업 가치 70억 위안(RMB) 이상 · embodied

Alibaba, Tencent, Lanchi Ventures, Legend Capital, Huaye Tiancheng, GaoRong Capital, Sino Star 등이 참여하였으며, 설립된 지 불과 6개월 된 기업으로서 중국 Embodied-AI 분야에서 공개된 첫 라운드 투자 중 최대 규모 기록을 세웠습니다. CTO인 Huang Qingqiu는 전 Huawei "Genius Youth"이자 Huawei의 자율주행 AI 부문 책임자로, Huawei의 ADS1.0→4.0 자율주행 스택을 이끌었으며, 업계 최초로 100만 대 이상의 규모로 단일 단계 엔드투엔드 (end-to-end) 시스템을 양산한 공로를 인정받고 있습니다. 이 회사는 범용 가정용 로봇을 목표로 하는 "소프트웨어-하드웨어 통합 시스템 엔지니어링" 접근 방식을 추구하고 있으며, 첫 번째 서비스 로봇을 7월에 출시할 예정입니다. 출처: 36Kr 출처 (WeChat, CN)

RobotEra | 신규 라운드 (New Round) | 10억 위안(RMB) | 기업 가치 100억 위안(RMB) 이상 · humanoid

Chengtong Fund이 주도하고 Jiangxi Guokong, Guoyuan Equity, Yufu Zhongxin, Hangzhou Capital 등의 국유 자본이 참여했으며, CICC Renault, Ninetowns, Hony Capital이 공동 투자자로 합류했습니다. Chen Jianyu가 설립한 이 Tsinghua 대학 관련 기업은 두 달 동안 약 **25억 위안(RMB)**의 급격한 자금 조달을 실시하고 올해 현재까지 거의 50억 위안을 확보한 것으로 알려졌으며, 2분기에 천 단위 규모의 인도를 시작하며 약 300%의 성장을 기록했다고 보고되었습니다. 출처: Robot Qianzhan source (WeChat, CN)

Shengshu Technology | Series B+ | 34억 위안(RMB) (약 5억 달러(USD)) · 월드 모델 (world-model)

이는 최근 월드 모델(world models)로 몰리는 자본의 흐름을 타고 중국 내 범용 월드 모델을 위한 단일 최대 규모의 펀딩 라운드 기록을 세웠습니다 (Goldman Sachs는 월드 모델이 AI 인프라의 새로운 기둥이 될 수 있다고 언급했으나, 일부 관찰자들은 이 용어가 여전히 통일된 정의가 부족하며 초기 거품 징후가 있다고 지적합니다). 로봇 제어를 위한 이 회사의 통합 월드 모델인 Motus는 Pi0.5보다 평균 멀티태스킹 성공률이 35.1%포인트 더 높다고 회사는 주장합니다. 출처: Zhidongxi source

Mouseshen Intelligence | 신규 라운드 (New Round) | 3억 위안(RMB) · embodied (체화된 AI)

DeepMind의 제안을 거절한 1995년 이후 출생 학자인 Chen Yongchao가 설립한 이 회사는 로봇의 "두뇌"에 집중하며, 자기 진화형 대규모 모델 (large-model) 기술 접근 방식에 베팅하고 있습니다. 출처: 36Kr source

Tripo AI | Series A3 | 1억 5,000만 달러(USD) · 월드 모델 (world-model)

AI 네이티브 3D / 범용 월드 모델 (general-purpose world model) 기업으로 포지셔닝하며, 3D 에셋 생성(게임, 영화, 산업, AR/VR)을 위한 프로덕션급 인프라를 구축하고 있습니다. 이번 라운드에는 주요 게임사와 자동차 제조사가 공동으로 참여했습니다. 출처: Sina source

Xingfan Intelligence | 신규 라운드 | 3억 위안(RMB) 이상 · embodied (구체화된 AI)

자금은 "AI를 물리적 세계로 가져오는 것"을 목표로 하는 embodied-AI 제품 개발 및 실제 환경 배포를 가속화하는 데 사용될 예정입니다. 출처: PEdaily source

III. 상용화 및 배포

AgiBot의 15,000번째 embodied 로봇 생산 라인 출고, 연간 생산 능력 40,000~50,000대 목표 · humanoid (휴머노이드)