엔비디아, ASPIRE 오픈소스 공개… 루빅스 큐브 한 면 회전 시간 3에피소드 만에 17분에서 3.1분으로

엔비디아 GEAR 연구실의 Guanzhi Wang과 Jim Fan은 10월 16일 ASPIRE v1.0을 GitHub에 오픈소스로 공개했다고 밝혔다. 연구실은 2026년 6월 ASPIRE를 처음 내놓았으며, 실제 로봇 결과는 이번이 처음이다.

에이전트가 배운 내용은 모델 가중치가 아니라 코드와 텍스트로 저장되고, 그 효과는 시간과 토큰 비용으로 나타난다. 실제 로봇 3에피소드에 걸쳐 루빅스 큐브 한 면 회전당 실행 시간은 17분에서 3.1분으로 줄었고, ASPIRE가 스킬을 쌓으면서 회전당 토큰은 82% 감소했다.

프로젝트 페이지에 따르면 ASPIRE는 실행 피드백을 바탕으로 코드-애즈-폴리시 방식의 로봇 제어 프로그램을 작성하고 다듬으며, 롤아웃 트레이스를 살피고 프로그램을 고치고 재사용 가능한 스킬을 저장한다. 폐루프 실행 엔진은 인식·계획·제어 호출마다 관측값, 입력, 출력을 기록하고, 스킬 라이브러리는 검증된 수정을 컨텍스트 안에서 불러 쓰는 지침으로 정리한다. README는 이 과정을 지속 학습이라 부르며, 여기서 '학습'은 스킬 다듬기이고 '학습된 모델'은 감각운동 스킬의 저장소라고 설명한다. 6월 공개 때는 테이블 정리 심투리얼 데모가 포함됐다.

큐브 풀이 순서는 기호 솔버가, 나머지는 에이전트가

Wang에 따르면 실제 로봇에서 ASPIRE와 GPT-6 Astra 조합은 소프트 그리퍼를 단 양팔 YAM 로봇으로 루빅스 큐브를 풀었다. 16수 풀이를 실행하며 두 팔을 협응해 큐브를 잡고, 돌리고, 조작했다. 그는 "원격 조작 시연도, 시뮬레이션 학습도 필요 없다"고 썼다. 운영 매뉴얼에 따르면 에이전트에는 "현재 섞인 상태에 대한 풀이를 계산하고 검증할 기호 큐브 솔버"가 필요하며, 에이전트 자신이 맡는 일은 인식, 파지, 회전이다. 프로젝트 페이지는 회전당 수치가 실패한 시도와 복구를 포함한 에피소드 전체 평균이라고 밝혔다. 이 평균으로 계산하면 16수 풀이는 세 번째 에피소드 속도로 약 50분(16×3.1), 첫 번째 에피소드 속도로 약 4.5시간(16×17)이 걸린다. 어디까지나 평균값이며 실측한 풀이 시간은 아니다.

같은 LIBERO-Pro 10개 과제, 기반 모델에 따라 15% 또는 99%

연구팀은 환경, 로봇 프로그래밍 API, 평가 프로토콜을 고정한 채 GPT-6 Astra, Claude Opus 5.5, Claude Sonnet 5.5, Claude Fable 5.1, 그리고 Kimi K3와 Qwen 3.8 Max 같은 오픈 웨이트 모델로 ASPIRE를 시험했다. LIBERO-Pro 10개 과제 성공률은 GPT-6 Luna의 **15%**부터 Claude Opus 5.5의 99%까지 벌어졌고, 가장 강한 모델이 가장 비싼 것은 아니었다. Sonnet 5.5는 과제당 12달러로 비용 대비 성능 프런티어에 놓였다. Fan은 Astra가 나온 날 연구실이 백엔드 모델을 바꿔 하룻밤 사이에 벤치마크를 약 99%까지 포화시켰다며 "프런티어의 밀물은 모든 배를 띄우지만, Astra는 많은 과제에서 0에서 1로 가는 쓰나미였다"고 썼다. 시뮬레이션 결과는 LIBERO-Pro 80개 과제에서 99%, 대표 Robosuite 7개 과제와 대표 BEHAVIOR-1K 2개 과제에서 100%다.

알약을 병에 넣고 뚜껑을 닫는 작업을 포함한 새 실제 로봇 레시피 3종은 시연 세션에서 추출한 것으로, README는 이를 "새로운 실제 로봇 검증이 아니다"라고 적었다. 프로젝트 페이지에 따르면 ASPIRE는 작은 디버그 분할에서 학습하고, 겹치지 않는 홀드아웃 시드로 평가받는다. ASPIRE는 고정된 프런티어 모델에 의존하며, 연구진은 더 작거나 약한 모델이 이 디버깅 루프를 유지할 수 있는지는 검증하지 않았다고 밝혔다.