AgiBot GO-3 Preview, 편의점 로봇 성공률 5일 만에 28.6%→85.7%… 연말 오픈소스

AgiBot이 새 로봇 파운데이션 모델에서 내세우는 것은 일을 시작한 뒤에 무엇을 배우느냐다. 공동창업자이자 공동총재인 야오마오칭(姚卯青)은 10월 29일 AgiBot 이노베이션 데이에서 GO-3 Preview를 발표했다. 상하이의 한 편의점에서는 이 새 시스템과 에이전트 프레임워크 Genie Master를 탑재한 G2가 조리식품 포장, 상품 꺼내기, 진열 보충을 맡았다. 회사에 따르면 전체 작업 흐름의 성공률은 첫날 **28.6%**에서 5일 뒤 **85.7%**로 안정됐고, 그동안 사람의 시연이나 수동 튜닝은 없었다.

제품의 핵심은 이 학습 고리다. GO-3에는 두 가지가 짝을 이룬다. 사후 학습 시스템 Genie Evolver는 실제 로봇 약 100대에 물리 시뮬레이션과 월드 모델을 결합하고, Genie Master는 현장에 투입된 로봇이 긴 작업을 짜고 현장 경험을 쌓게 한다. 시나커지(新浪科技)에 따르면 야오는 "데모는 단일 능력의 상한을 시험하지만, 생산성은 시스템의 하한을 시험한다"고 말했다. AgiBot은 GO-3 Preview와 Genie Master를 2026년 말까지 전면 오픈소스로 공개할 계획이다.

편의점의 두 수치는 모두 7분의 몇

28.6%와 85.7%는 정확히 2/7과 6/7이다. 하루 7번(또는 7의 배수)의 전체 작업 실행과 맞아떨어지므로, 5일간의 개선은 수십 번의 시도에 기댄 것일 수 있다. 시도를 수백 번으로 늘려도 이 곡선이 유지된다면 '현장에서 얼마나 빨리 나아지는가'가 로봇 모델을 비교하는 숫자가 된다. 유지되지 않는다면 편의점 성적은 곡선이 붙은 데모에 그친다.

AgiBot의 다른 온라인 학습 시연도 같은 방향을 가리킨다. 회사에 따르면 단일 작업에서 온라인 학습의 성공률은 일반적인 지도 미세조정(SFT)보다 17.7%포인트 높았다. 탁상 컬링에서는 4시간의 온라인 반복 끝에 테스트한 사람들의 평균을 넘었고, 젠가식 블록 탑에서는 5개를 연달아 빼내고도 탑을 무너뜨리지 않았다.

데이터도, 모델 크기도 제로샷 성공률을 끌어올렸다

AgiBot은 자체 스케일링 실험 결과도 내놓았다. 시나커지에 따르면 20가지 스킬, 100개 작업에서 제로샷 평균 성공률은 학습 데이터를 늘리자 13.4%에서 56.4%로, 모델을 키우자 56.2%에서 73.2%로 올랐다. Interesting Engineering에 따르면 WRAM(World Reasoning Action Model)이라는 아키텍처는 이해·예측·동작을 하나로 모델링하고, 사람의 1인칭 시점 영상과 로봇 궤적으로 학습한다. 회사는 시각 입력 토큰을 DINOv3의 16분의 1로 줄이고 동작 복원 오차를 35% 낮췄으며, RoboDojo·RoboTwin·RoboColiseum 세 평가 순위에서 1위에 올랐다고 밝혔다.

더 큰 시도 횟수는 곧 나온다. AgiBot은 11월 2~3일 G2 6대를 실제 편의점에 투입해 4개 근무조를 돌리고 24시간 생중계할 예정이다. 하루 영업이면 시도는 7번을 훌쩍 넘는다.