Robix는 로봇 추론, 작업 계획, 자연어 상호작용을 단일 비전-언어 아키텍처로 통합한 통합 모델입니다. 계층적 로봇 시스템의 고수준 인지 계층 역할을 하는 Robix는 저수준 컨트롤러를 위한 원자 명령어와 인간 상호작용을 위한 언어적 응답을 동적으로 생성하여 로봇이 복잡한 지시를 따르고 장기간 작업을 계획하며 종단 간 프레임워크 내에서 인간과 자연스럽게 상호 작용할 수 있도록 합니다. Robix는 작업 실행 중 사전 대화, 실시간 중단 처리 및 상황 인식 상식 추론과 같은 새로운 기능을 추가로 도입합니다. Robix의 핵심은 사고 연쇄 추론을 활용하고 3단계 교육 전략을 채택합니다. (1) 3D 공간 이해, 시각적 기반 및 작업 중심 추론을 포함한 기본적인 구현 추론 능력을 향상시키기 위한 지속적인 사전 훈련, (2) 인간-로봇 상호 작용과 작업 계획을 통합된 추론-행동 시퀀스로 모델링하기 위한 감독 미세 조정, (3) 추론-행동 일관성과 장기간 작업 일관성을 개선하기 위한 강화 학습입니다. 광범위한 실험을 통해 Robix가 상호작용적인 작업 실행에서 오픈소스 및 상용 기준(예: GPT-4o 및 Gemini 2.5 Pro)을 능가하며, 다양한 지시 유형(예: 개방형, 다단계, 제약, 무효 및 중단)과 테이블 정리, 식료품 쇼핑, 식단 필터링과 같은 다양한 사용자 관련 작업에서 강력한 일반화를 보여줍니다.
