답변게시됨15 소스
픽셀을 그리는 AI에서 물리 개념을 이해하는 AI로
위 카이청의 전환은 인식이나 대규모 데이터를 부정한 것이 아니라, 제어에 필요한 상태를 예측하기 위해 모든 픽셀을 다시 그리는 방식이 비효율적이라는 판단에서 출발했다. Awomo의 ‘개념 세계 모델’은 장면을 객체, 상태, 공간적 관계, 행동, 인과적 변화로 분해한 뒤 이를 재조합해 학습 데이터에 없던 상황까지 추론하는 것을 목표로 한다.
게시자GPT-5.6 Luna로 편집GPT Image 1.5로 이미지 생성
연구 답변
주요 시사점
- 위 카이청의 전환은 인식이나 대규모 데이터를 부정한 것이 아니라, 제어에 필요한 상태를 예측하기 위해 모든 픽셀을 다시 그리는 방식이 비효율적이라는 판단에서 출발했다.
- Awomo의 ‘개념 세계 모델’은 장면을 객체, 상태, 공간적 관계, 행동, 인과적 변화로 분해한 뒤 이를 재조합해 학습 데이터에 없던 상황까지 추론하는 것을 목표로 한다.
- 2025년 내부 실험에서 기존 모방학습·강화학습 기준선보다 복잡한 과제의 성공률과 예측 비용이 개선됐다고 보고됐지만, 공개된 검증 자료만으로 우위의 규모를 판단하기는 어렵다.
- Awomo는 2026년 1월 항저우에서 출범했으며, 종자·엔젤 라운드 누적 1억 위안 이상의 투자를 유치하고 2026년 8월 Awomo v0.1과 RoboTwin 2.0 평가를 공개했다.
AI 프롬프트
openai.comCreate a landscape editorial hero image for this Studio Global article: How did Westlake University researcher and Awomo founder Yu Kaicheng evolve from an Alibaba DAMO Academy AutoML PhD and Alibaba Star—whose B. Article summary: Yu’s shift was not a rejection of perception or large scale data; it was a conclusion that pixel level generation is an inefficient intermediate target for control once a system can already synthesize plausible observati. Topic tags: general web, chatgpt, agents, ai, workflow. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts w
위 카이청(于开丞)의 방향 전환은 ‘인식 AI를 버린 사건’이라기보다, 인식 결과를 어떻게 예측과 행동에 연결할 것인지에 대한 재정의에 가깝다. 그의 문제의식은 간단하다. 모델이 이미 그럴듯한 영상을 만들어낼 수 있다면, 행동의 결과를 예측할 때 매번 모든 픽셀을 다시 렌더링해야 할까?
Awomo가 제시한 대안은 예측의 대상 자체를 바꾸는 것이다. 다음 프레임의 외관을 복원하는 대신, 장면을 객체·상태·관계·행동·인과적 변화로 구성된 구조화된 상태로 표현하고, 그 상태를 잠재공간에서 전개하자는 구상이다. 1
10
알리바바에서 서호대학으로, 그리고 방향 전환
위 카이청은 박사 과정에서 자동 머신러닝(AutoML)을 연구한 뒤 ‘알리바바 스타’ 프로그램을 통해 알리바바 다모 아카데미에 합류했다. 이후 자율주행 인식 분야로 옮겨 카메라와 라이다(LiDAR) 정보를 공통의 조감도(BEV·Bird’s-Eye View) 표현 공간에 결합하는 BEVFusion 연구에 참여했다. 이 연구는 다중 센서 융합 분야에서 널리 인용된 성과로 소개됐다. 10
2023년 서호대학으로 자리를 옮긴 그는 자율지능 연구실(AutoLab)을 꾸렸다. 초기에는 생성형 자율주행 세계 모델을 연구했고, 팀은 2024년 ECCV 자율주행 트랙에서 성과를 냈으며 2026년에는 Fail2Drive 순위에서 선두에 올랐다고 소개됐다. 10
하지만 시각적 사실성을 높이는 것과 물리적 의사결정에 유용한 모델을 만드는 것은 같은 문제가 아니었다. “내가 특정 행동을 하면 환경은 어떻게 바뀌는가?”가 핵심 질문이라면, 화면의 모든 세부 픽셀을 복원하는 일은 목표 상태와 인과관계에 도달하기 위한 비싼 우회로가 될 수 있다는 것이 위 카이청의 판단이다. 1
10
‘개념 세계 모델’은 무엇을 예측하나
2024년 말, 팀은 픽셀 생성 중심의 접근에서 엔드투엔드로 학습되는 수학적 잠재공간으로 방향을 바꿨다고 전해졌다. 이 공간은 장면을 유한한 수의 재사용 가능한 물리 개념과 관계로 분해하고, 이를 조합해 다음 상태를 예측하는 것을 목표로 한다. 학습 과정에서 완성된 형태로 등장하지 않았던 개념의 조합도 추론 대상이 될 수 있다. 1
여기서 ‘암묵적’이라는 말은 아무런 구조가 없다는 뜻이 아니다. Awomo의 주장은 잠재 상태가 단순한 이미지 압축본이 아니라 다음과 같은 정보를 담아야 한다는 것이다.
- 어떤 객체와 개체가 존재하는가
- 객체들이 공간적으로 어떻게 배치되고 관계를 맺는가
- 각 객체의 상태가 무엇인가
- 어떤 행동이 일어났거나 일어날 수 있는가
- 행동에 따라 어떤 인과적 변화가 발생하는가
1
11
이 접근의 기대 효과는 ‘조합적 일반화’다. 모델이 각각의 개념을 따로 학습했다면, 모든 상황 전체를 일일이 시연받지 않아도 새로운 조합을 다룰 수 있어야 한다는 논리다. 위 카이청이 VLA(vision-language-action) 모델에 데이터와 시연을 계속 추가하는 방식만으로는 물리적 지능의 한계에 부딪힐 수 있다고 보는 이유도 여기에 있다. 1
JEPA와 닮았지만, 잠재공간에 무엇을 담을지가 다르다
개념 세계 모델은 얀 르쿤이 제안한 JEPA(Joint Embedding Predictive Architecture)와 넓은 의미에서 같은 잠재 예측 계열에 속한다. 두 접근 모두 픽셀을 직접 복원하기보다 표현 또는 상태를 예측하는 방향을 취한다. 1
Awomo가 주장하는 차이는 잠재공간의 의미와 구조에 있다. 위 카이청의 설명에 따르면 JEPA는 잠재 변수에 무엇이 담겨야 하는지를 열어둔 반면, 개념 세계 모델은 조합 가능한 물리 개념의 어휘를 명시적으로 구축하려 한다. 다만 이는 Awomo가 제시한 연구 가설이며, 독립적인 검증을 통해 우위가 확립된 상태는 아니다. 1
2025년 내부 실험이 보여준 것과 보여주지 못한 것
Awomo는 2025년 내부 실험에서 개념 분해와 개념 간 연관 메커니즘을 적용했을 때, 모방학습과 강화학습 기준선에 비해 복잡한 과제의 성공률이 높아지고 예측 비용은 낮아졌다고 보고했다. 1
그러나 현재 공개된 자료에는 전체 실험 프로토콜, 모델 규모, 과제 분포, 구체적인 성공률, 신뢰구간, 제거 실험(ablation), 코드, 독립적인 재현 결과가 제시돼 있지 않다. 따라서 이 결과만으로 성능 우위의 크기를 판단하기에는 공개 근거가 충분하지 않다. 1
위 카이청이 예로 든 ‘문을 닫으면서 떨어지는 컵을 잡는’ 상황은 이 접근의 의도를 설명한다. 로봇은 한 번에 하나의 패턴을 고르는 것이 아니라, 컵의 낙하·손의 움직임·문을 닫는 행동·각 변화 사이의 인과적 제약을 동시에 표현해야 한다는 것이다. 다만 이 사례는 동기를 설명하는 예시이지, 검증된 벤치마크 결과로 받아들여서는 안 된다. 1
연구실에서 회사로: Awomo의 출범과 자금 조달
이 연구는 ‘서호 수지능’으로 소개되는 Westlake Digital Intelligence Technology (Hangzhou) Co., Ltd.로 사업화됐다. 회사는 Awomo라는 브랜드를 사용하며, 2026년 1월 8일 중국 저장성 항저우시 시후구에 등록됐다. 자율주행, 로봇, 산업 장비, 스마트 하드웨어, 시뮬레이션 데이터 생성 등 물리적 AI 분야를 겨냥한다는 것이 회사 설명이다. 11
보도에 따르면 초기 핵심 인력은 위 카이청과 최고과학자 Tong이었고, 이후 서호대학 AutoLab을 기반으로 팀이 확대됐다. 팀원을 “꾸준히 스스로를 증명해 온 천재들”이라고 부른 표현은 창업자 측의 홍보성 표현이며, 독립적으로 측정 가능한 인력 지표는 아니다. 1
Awomo는 종자 및 엔젤 단계 투자금을 합쳐 1억 위안 이상 유치했다고 발표했다. 투자자로는 InnoFund, Dongfang Jiafu Fund, Zhengxuan Investment, Tianqi Capital, Westlake Innovation Fund, Jinma Investment 등이 거론됐다. 13
Awomo-v0.1과 RoboTwin 2.0 공개
2026년 8월 공개 보도는 개념 세계 모델 연구의 첫 공개 버전으로 Awomo-v0.1을 소개했으며, 강건한 양팔 조작을 위한 시뮬레이션 벤치마크·데이터 생성 프레임워크인 RoboTwin 2.0에서의 평가를 언급했다. 1
3
이는 적어도 공개 평가가 시작됐다는 의미는 있지만, 실제 로봇으로의 일반화, 안전성, 혹은 주요 대안 대비 우월성을 입증하는 것과는 다르다. 이를 판단하려면 벤치마크 점수와 비교 기준선, 실험 조건, 실제 환경 전이 결과가 공개돼야 한다.
핵심은 ‘영상을 만들 수 있나’에서 ‘행동의 결과를 이해하나’로
위 카이청의 경로는 대규모 데이터와 스케일링을 활용해 자동운전 인식을 발전시킨 연구자가, 물리적 지능의 다음 병목을 다른 방식으로 정의한 과정으로 볼 수 있다. 픽셀 생성은 현실적인 관찰과 시뮬레이션에 유용하지만, 모든 제어 문제에서 가장 효율적인 예측 단위인지는 별개의 문제다.
Awomo의 개념 세계 모델은 이 질문에 대해 ‘물리 개념과 관계를 잠재공간에서 조합하자’고 답한다. 그 가능성은 흥미롭지만, 현재 공개된 성과는 초기 실험과 제한적인 공개 평가 단계에 있다. 앞으로의 관건은 새로운 상황에 대한 조합적 일반화가 실제 로봇과 자율주행 환경에서도 재현되는지, 그리고 그 이점이 투명한 비교 실험으로 확인되는지다.
Studio Global AI
연구를 계속하세요
이 페이지에는 Studio Global 내에서 계속할 수 있는 소스 기반 답변이 포함되어 있습니다.
사람들은 또한 묻습니다.
"픽셀을 그리는 AI에서 물리 개념을 이해하는 AI로"에 대한 짧은 대답은 무엇입니까?
위 카이청의 전환은 인식이나 대규모 데이터를 부정한 것이 아니라, 제어에 필요한 상태를 예측하기 위해 모든 픽셀을 다시 그리는 방식이 비효율적이라는 판단에서 출발했다.
먼저 검증할 핵심 포인트는 무엇인가요?
위 카이청의 전환은 인식이나 대규모 데이터를 부정한 것이 아니라, 제어에 필요한 상태를 예측하기 위해 모든 픽셀을 다시 그리는 방식이 비효율적이라는 판단에서 출발했다. Awomo의 ‘개념 세계 모델’은 장면을 객체, 상태, 공간적 관계, 행동, 인과적 변화로 분해한 뒤 이를 재조합해 학습 데이터에 없던 상황까지 추론하는 것을 목표로 한다.
실무에서는 다음으로 무엇을 해야 합니까?
2025년 내부 실험에서 기존 모방학습·강화학습 기준선보다 복잡한 과제의 성공률과 예측 비용이 개선됐다고 보고됐지만, 공개된 검증 자료만으로 우위의 규모를 판단하기는 어렵다.