코딩 에이전트가 짠 공장 로봇 프로그램, 사람과 5%포인트 차이… 버클리·엔비디아 새 벤치마크

데이터를 모아 동작을 학습시키는 대신 로봇 프로그램을 직접 쓰는 AI 코딩 에이전트가 UC 버클리와 엔비디아의 새 공장 작업 세트에서 사람 프로그래머와의 격차를 5%포인트까지 좁혔다. 두 팀은 11월 9일 벤치마크 VABAR의 코드를 공개했다. 8개 모델이 공구 걸기, 주사기 포장, USB-C 케이블 삽입 등 5개 작업의 프로그램을 쓴다. 모두 33개 스킬이 담긴 같은 라이브러리를 쓰고, 물리 시뮬레이터에서 두 차례 실행 피드백을 받는다. Claude Opus 5.5의 전체 성공률은 77%, 사람이 쓴 참조 프로그램은 **82%**였다. The Robot Report의 11월 11일 보도에 따르면 Ken Goldberg 연구실과 엔비디아는 이번 주 오스틴에서 열린 CoRL 2026에서 이 연구를 발표했다.

부품은 바뀌지만 작업 셀은 정해진 일이라면, 엔드투엔드 로봇 모델보다 코드를 쓰는 쪽이 더 현실적이라는 얘기다. 그리고 차이를 만드는 것은 어떤 코딩 모델을 고르느냐다. VABAR 페이지는 "몇 포인트 차이로 출발한 모델들이 두 차례 피드백 뒤에는 30포인트 벌어진다"고 썼다. 두 차례 뒤 8개 모델은 **77%**부터 DeepSeek V4의 **44%**까지 벌어졌다.

부품 위치를 섞자 VLA가 무너졌다

VABAR를 받치는 프레임워크 Graph-as-Policy(GaP)는 작업을 인식, 파지, 동작 계획 같은 노드로 나눈다. 에이전트가 노드를 작성해 연결하고, 시뮬레이션에서 여러 변형을 미리 연습한 뒤 실제 로봇에서 돌린다. 결과물은 Python 코드이며, 저수준 제어는 KUKA 같은 제조사의 기존 모듈을 호출한다. GaP 논문의 시뮬레이션 실험에서 물체가 거의 움직이지 않을 때는 VLA 모델이 잘했다. LIBERO에서 π0.5는 0.96, MolmoAct2는 0.97, GaP는 0.95였다. 연구진이 물체 위치를 재배열하자 π0.5는 0.15, MolmoAct2는 0.26으로 떨어졌고 GaP는 0.97을 유지했다. 실제 양팔 로봇의 상자 세척 작업에서 GaP는 150번 중 143번 성공했고, 전문가가 손으로 다듬은 프로그램은 148번이었다. 시간당 성공 횟수는 GaP 18.33회, 전문가 프로그램 19.33회였다.

산업계도 시험에 나섰다. The Robot Report에 따르면 보쉬는 이 방식을 산업 자동화에 쓰는 방안을 평가하고 있다. Goldberg가 자문을 맡은 Ambi Robotics의 공동 창업자 Jeff Mahler는 이 방식이 "생산 데이터를 로봇 동작 업데이트로 바꿔 미국 내 로봇 전체의 처리량을 높였다"고 말했다.

가장 강한 반론은 채점자가 누구냐는 점이다. 프레임워크, 스킬 라이브러리, 작업, 사람 기준선 모두 같은 연구실들이 만들었다. 공구 걸기에서는 사람이 **87%**로 모든 모델을 앞섰고 최고 모델도 **60%**에 그쳤다. 반면 케이블 배선에서 사람은 **47%**였고 8개 모델은 모두 **72~83%**였다. VABAR 저자들은 더 어려운 테스트 세트를 곧 공개한다고 밝혔다. 외부 팀이 자기 작업 셀에서 돌려 봐야 5%포인트 격차가 유지되는지 알 수 있다.