ME-Brain·ME-VLM·ME-U0: 리오토 로봇 AI의 역할과 아직 남은 검증

리오토(Li Auto)의 파운데이션 모델 팀이 2026년 9월 22일 공개한 세 가지 체화형 AI 성과는 로봇이 보고, 판단하고, 행동하는 과정을 어떻게 구성할지 보여준다. ME-Brain-1.0은 시스템 구상, MachEmbodied-VLM(ME-VLM)은 시각·언어 기반 인지, MachEmbodied-U0(ME-U0)는 상황 이해와 행동 생성을 맡는 모델이다. 다만 세 성과를 함께 발표했다는 사실만으로, 이들이 하나의 로봇에서 통합 작동하며 독립적으로 검증됐다고 볼 수는 없다. 35

세 모델은 각각 무엇을 맡나

ME-Brain-1.0은 기억·인지·행동을 아우르는 시스템 차원의 구상이다. 보도에 따르면 기억 생성과 검색에 관련된 모듈은 리오토의 M100 시스템온칩(SoC)에서 구동할 수 있다. 이는 ME-Brain 전체가 M100 한 개에서 실행된다는 주장과는 다르다. 35

ME-VLM은 장면을 시각·언어 정보로 이해하고 에이전트의 판단을 조율하는 모델이다. 기술 보고서는 실행 과정의 관찰과 피드백을 포함한 체화형·멀티모달 에이전트 과제로 학습했다고 설명한다. 공개 보도에는 35B-A3B 전문가 혼합 모델과 기기 자체 구동을 겨냥한 소형 4B 모델이 등장한다. 15

ME-U0는 ‘무슨 일이 벌어지고 무엇을 해야 하는가’라는 이해를 행동 생성으로 연결하려는 모델이다. 보고된 Mixture-of-Transformers 구조는 작업과 장면을 해석하는 부분, 행동을 생성하는 부분을 잇는다. 역할상 세 성과는 상호 보완적이지만, 공개 자료가 세 모델의 단일 통합 배치를 입증하는 것은 아니다. 25

높은 점수, 어떻게 읽어야 하나

리오토의 자체 비교표에서 대형 ME-VLM은 체화형 과제 묶음 평균 약 70.9점, 에이전트 과제 묶음 평균 72.5점을 기록한 것으로 보도됐다. 4B 모델도 해당 회사 비교에서 2위로 제시됐다. 평가 조건 전체와 독립적인 재현 결과가 확인되지 않은 만큼, 이 숫자를 로봇의 일반적인 신뢰도로 해석해서는 안 된다. 5

ME-U0에 대해 리오토가 보고한 결과는 RoboDojo 17.66점, LIBERO 평균 성공률 99.1%, **LIBERO-Plus 81.8%**다. 특히 LIBERO 계열 결과는 각 벤치마크가 제공한 감독 신호로 모델을 적응시킨 뒤 측정됐다. 학습·적응 없이 처음 접한 물리적 작업을 수행한 ‘제로샷’ 성공률은 아니라는 뜻이다. 3

학습 데이터와 M100 구동 범위

리오토는 ME-U0의 사전학습용으로 로봇 데이터 약 5,700시간과 1인칭 영상 약 3,920시간이 담긴 원자료에서 약 4,200시간을 선별했다고 밝혔다. 1인칭 영상을 함께 쓰면 로봇 시연 기록 밖의 시각적 상황도 학습 자료에 포함할 수 있다. 그러나 데이터의 총시간만으로 새로운 로봇이나 환경에 얼마나 잘 적응하는지는 알 수 없다. 3

M100에서의 속도 개선은 4B ME-VLM에 관한 것이다. 연구진은 시각 토큰 압축, W4A8 양자화, 하드웨어·소프트웨어 공동 최적화를 적용해 추론의 프리필 지연 시간을 400ms에서 188ms로 줄였다고 보고했다. 프리필은 추론 과정의 한 단계다. 로봇이 변화를 감지해 실제 동작을 마치기까지 걸리는 전체 시간과는 구별해야 한다. 공개된 근거만으로는 35B-A3B 모델이나 ME-Brain·ME-U0를 포함한 전체 구성이 M100 한 개에서 함께 실행된다고 확인할 수 없다. 15

시연 다음에 필요한 검증

출시 보도에는 약 한 시간의 물체 집기 시연과 15단계로 이뤄진 약 4분짜리 커피 만들기 시연이 소개됐다. 이는 리오토가 선택해 보여준 작업의 사례다. 독립적으로 고른 물체와 조명, 작업 중단 상황, 장기간 반복 사용에서도 같은 성능이 나오는지는 보여주지 않는다. 현재 인용된 자료에는 해당 시연의 실패 양상에 관한 구체적인 제3자 검증 결과도 없다. 3

다음 관건은 통합 시스템을 대상으로 한 독립적이고 재현 가능한 시험이다. 낯선 환경에서의 작업 성공과 실패 복구 능력, 명시된 하드웨어에서의 감지부터 행동까지의 전체 지연 시간을 함께 측정해야 한다. 그전까지 벤치마크 점수와 M100 프리필 개선치는 각각 주목할 만한 결과이지, 범용 로봇 성능에 대한 하나의 결론은 아니다. 135