BusyBox로 평가하는 로봇 행동의 어포던스 일반화

초록

본 논문은 로봇 비전‑언어‑액션(VLA) 모델의 어포던스 일반화 능력을 측정하기 위한 물리적 벤치마크인 BusyBox를 소개한다. 6개의 모듈(버튼, 슬라이더, 스위치, 와이어, 디스플레이, 다이얼)로 구성된 장치를 다양한 위치·회전 조합으로 재구성함으로써 시각적 변형에도 동일한 조작 가능성을 유지한다. 저자들은 1993개의 시연 데이터를 수집하고, 이를 기반으로 최신 오픈‑웨이트 VLA인 π₀.₅와 GR00T‑N1.6을 파인튜닝한 뒤, 원형, 반전형, 완전 전환형 세 가지 구성에서 성공률을 평가한다. 결과는 동일 어포던스라도 시각적 변형에 대한 일반화가 여전히 어려움을 보여, BusyBox가 향후 연구의 중요한 평가 도구가 될 것을 제안한다.

상세 분석

본 연구는 로봇 제어 분야에서 “어포던스 일반화(affordance generalization)”라는 개념을 명확히 정의하고, 이를 실험적으로 검증할 수 있는 물리적 플랫폼을 제공한다는 점에서 의미가 크다. 기존 VLA 벤치마크는 주로 시각·언어 변형(예: 새로운 배경, 객체 종류)이나 작업 전이(새로운 목표) 위주였으며, 물리적 인터페이스 자체가 바뀌지 않는 한 동일한 정책이 그대로 적용될 수 있었다. BusyBox는 모듈을 자유롭게 교환·회전시켜 시각적 레이아웃은 완전히 달라지지만, 조작 가능한 기능(버튼 누르기, 슬라이더 이동, 스위치 전환, 와이어 연결·분리, 다이얼 회전 등)은 변하지 않는다. 따라서 로봇이 “버튼을 눌러야 한다”는 추상적 어포던스를 인식하고, 새로운 외형에서도 이를 수행할 수 있는지를 직접 테스트한다.

기술적 구현 측면에서 BusyBox는 3D 프린팅 부품과 라즈베리 파이 기반 전자계측을 결합한다. 각 모듈은 USB‑시리얼 인터페이스를 통해 실시간 상태를 10 Hz로 방송하므로, 시연 데이터에 정확한 목표 달성 여부를 자동 라벨링할 수 있다. 이는 기존에 수작업으로 라벨링해야 했던 로봇 학습 파이프라인을 크게 단순화한다. 또한, 모듈 간 스냅 커넥터와 핸들이 포함된 설계는 실험실에서 빠른 재구성을 가능하게 하며, 무게는 750 g 이하로 로봇 팔의 페이로드 제한을 초과하지 않는다.

데이터 수집은 Mobile Aloha 듀얼‑암 로봇을 원격 조작해 1993개의 시연을 기록했으며, 초기 상태는 스크립트에 의해 무작위로 설정돼 목표와 겹치지 않도록 설계되었다. 이렇게 확보된 데이터는 π₀.₅와 GR00T‑N1.6을 파인튜닝하는 데 사용됐으며, 세 가지 BusyBox 변형(원형, 반전형, 완전 전환형)에서 각각 10 회씩 평가했다. 결과는 원형에서는 80 % 이상 성공률을 보였지만, 반전형에서는 45 % 수준, 완전 전환형에서는 30 % 이하로 급격히 감소했다. 특히 모듈 위치가 바뀐 경우(버튼·스위치·슬라이더 이동) 성능 저하가 두드러졌으며, 이는 현재 VLA가 시각적 레이아웃에 과도하게 의존하고 있음을 시사한다.

논문은 또한 BusyBox가 향후 연구에 제공할 수 있는 확장성을 강조한다. 예를 들어, “왼쪽에서 두 번째 와이어를 뽑아라”와 같은 공간적 추론 과제, 혹은 실행 중 언어적 교정(“버튼을 빨간색이 아니라 파란색으로 눌러”)을 테스트할 수 있다. 이러한 다중 모드 인터랙션은 인간‑로봇 협업 시나리오에서도 중요한 평가 요소가 될 것이다. 전체적으로, BusyBox는 물리적 어포던스 일반화를 정량화할 수 있는 최초의 공개 벤치마크이며, 현재 가장 강력한 오픈‑웨이트 VLA조차도 충분히 해결하지 못한 연구 공백을 명확히 드러낸다.