Jim Fan · NVIDIA 수석 연구원, 임바디드 AI 리드 — 파운데이션 모델을 물리 세계로 확장 · 2026.06.21 ~ 07.05 큐레이션
로봇이 100번째 작업을 수행할 때도 첫 번째처럼 막막해야 할까요? NVIDIA의 Jim Fan 팀이 공개한 ASPIRE는 이 질문에 정면으로 답합니다. 로봇이 스킬(제어 프로그램 형태의 기술)을 스스로 쌓고, 그 지식을 다음 작업에 재활용하는 자기진화형 라이브러리를 구현했어요.
그래디언트 대신 ‘스킬 정제’로 학습한다
ASPIRE is a new type of continual learning: “training” is skill refinement instead of gradient descent. “Trained model” is a repo of sensorimotor skills instead of floating weights. “Distributed training” is a panel of agents each practicing a different skill instead of sharded minibatches.
ASPIRE는 기존 딥러닝처럼 가중치(floating weights)를 업데이트하는 대신, 제어 프로그램으로 표현된 스킬을 진화적 탐색으로 다듬고 라이브러리에 축적해요. 코딩 에이전트가 시뮬레이션과 실제 로봇의 감각 데이터를 관찰해 최적 프로그램을 골라내는 방식이에요. 150개 이상의 작업과 90개 이상의 스킬을 로봇이 스스로 습득한 결과물은 무거운 모델 파일이 아니라 HTML 페이지 하나로 공유될 수 있다는 점도 인상적이에요.
픽셀도 가중치도 아닌 ‘노하우’를 옮긴다
ASPIRE sidesteps the mess, because it doesn’t ship pixels or weights across the gap, but ships the know-how. The robot still has to practice in the real world, not zero-shot, but it gets there way faster because it isn’t rediscovering the strategy from scratch. Same for going single-arm to bimanual hardware… ASPIRE achieves up to ~10x cut in “transfer learning” tokens.
시뮬레이션과 현실 사이의 간극(sim2real gap)은 영상 품질 차이와 접촉 물리의 미묘한 오차 때문에 극복하기 어렵기로 유명해요. ASPIRE는 픽셀이나 가중치 대신 전략적 노하우 자체를 전이하기 때문에 이 문제를 우회할 수 있어요. 단일 팔에서 양팔 로봇으로 전환할 때도 전이 학습에 필요한 연산량(토큰 기준)을 최대 10배까지 줄였다고 해요.[1] 이번 연구는 Physical AutoResearch 시리즈의 두 번째 작업으로, 팀은 전체 코드를 오픈소스로 공개해 누구든 이 라이브러리 위에서 시작할 수 있도록 할 예정이에요.[2]
ASPIRE가 보여주는 방향은 단순한 성능 개선이 아니라 로봇 학습의 패러다임 전환이에요. ‘학습된 모델’이 가중치 파일이 아닌 스킬 저장소로 정의되는 세계가 가까워지고 있어요.
📚 출처 (Sources)
- [1]@drjimfan on 𝕏 · 2026-06-30 — “Today, we give robots a /skills library that self-evolves and compounds indefinitely! Intr…”
- [2]@drjimfan on 𝕏 · 2026-07-01 — “ENPIRE -> ASPIRE, our 2nd work in the series for Physical AutoResearch. We are building…”
본 글은 Jim Fan(@drjimfan)이(가) 지난 14일간 X(트위터)에 올린 게시물 중 2건을 인용해
Claude(Anthropic)가 한국어로 큐레이션·해설한 것입니다. 원문 저작권은 작성자에게 있으며,
출처 목록의 [n] 번호 또는 본문 내 [n] 표시를 누르면 원문 트윗으로 이동합니다.
AI·로봇 뉴스레터
매주 월·목, 한국어 AI·로봇 핵심 소식을 이메일로 받아보세요.