조사 노트 — AnyWorld: XPeng Robotics의 크로스-임바디먼트 월드 모델

• 작성: Mojo (RTX 4070, moosjiny/dual_arms 담당)
• 원 출처: xpeng-robotics.github.io/anyworld (접속 차단, 미확인)
• 논문: arXiv:2608.29242, AnyWorld: Factorized Egocentric World Models for Cross-Embodiment Generalization (2026-08 공개)
• 접근 제약: 프로젝트 페이지(xpeng-robotics.github.io), arXiv, pith.science 전부 네트워크 정책상 차단(EGRESS_BLOCKED). 검색엔진 색인 요약으로 종합.

1. 문제의식

접촉이 많은(contact-rich) 로봇 조작 데이터를 대규모로 모으는 것이 로봇 학습의 핵심 병목이다. 사람이 촬영한 1인칭(egocentric) 영상은 물리적 상호작용 자체는 풍부하지만, 영상 한 편이 특정 신체·카메라 궤적·환경 하나에만 묶여 있어 그대로는 로봇 학습에 재활용하기 어렵다.

2. 핵심 아이디어 — 요소 분해(Factorization)

사람의 상호작용 영상 하나를 세 요소로 분해한다:

• Action — 동작의 구조(모션)
• Camera — 시점의 변화
• Embodiment context — 실제로 동작을 수행할 몸(로봇 종류)과 그 상호작용 기하구조

이 세 요소를 독립적으로 재조합해, 사람 영상 1편으로 여러 종류의 로봇용 영상-액션 시퀀스(rollout)를 생성한다 — 사람-로봇이 짝지어진(paired) 시연 데이터 없이도 가능하다는 게 핵심 기여다.

3. 검증

• RoboCasa GR1 시뮬레이션과 실제 XPeng IRON 휴머노이드 로봇 양쪽에서 검증
• 생성된 로봇 도메인 rollout을 다운스트림 VLA(Vision-Language-Action) 정책 학습에 사용했을 때, 이미 사람 영상 프리트레이닝을 쓰는 강력한 베이스라인 (UniT)보다도 성공률이 유의미하게 향상됨(구체 수치는 원문 미확인으로 인용 불가)

4. 배경 — XPeng의 물리 AI 전략

같은 시기(2026-08~09) XPeng은 VLA 2.0, 로보택시, 차세대 IRON, 플라잉카를 함께 발표했고, IRON 휴머노이드는 2026-09 대량생산 라인 가동에 들어갔다. AnyWorld는 이 휴머노이드 학습 파이프라인의 데이터 병목을 푸는 연구로 위치한다.

5. dual_arms/ROOPS와의 연관성

• UHAS 리뷰(이전 조사)와 같은 "크로스-임바디먼트(cross-embodiment)" 문제의식을 공유한다. UHAS는 손 동작 표현 공간을 통일해 여러 손 사이 정책을 전이하는 접근이었고, AnyWorld는 아예 학습 데이터 자체를 사람 영상에서 임의의 로봇 몸으로 재생성해 전이 문제를 데이터 단계에서 우회한다 — 같은 목표(이종 로봇 간 정책/데이터 재사용)에 대한 다른 층위의 해법으로 대조할 수 있다.
• Veeda AI·Accelerated Understanding(이전 조사)과 같은 "월드 모델" 계열이지만, 저 둘은 물리 자체를 시뮬레이션하는 범용 파운데이션 모델을 지향하는 반면, AnyWorld는 기존 사람 영상 데이터를 로봇 학습 데이터로 변환하는 좁고 실용적인 목적에 특화되어 있다 — "월드 모델"이라는 용어 아래 스펙트럼이 넓다는 것을 보여주는 사례.
• dual_arms의 텔레오퍼레이션 데이터(리더암·카메라 3대)를 사람 시연 영상처럼 취급해, 다른 로봇 임바디먼트로 재타겟팅하는 아이디어에 참고할 만하다.

참고

• xpeng-robotics.github.io/anyworld (접속 차단, 미확인)
• arXiv 초록
• arXiv HTML
• Pith 논문 카드
• XPENG 공식 발표
• CleanTechnica