RFM: 물리적 AI를 위한 행동 중심 지능 - LG AI Research 블로그

기존의 AI가 텍스트와 이미지를 생성하는 '사고하는 뇌'였다면, **물리적 AI(Physical AI)**는 실제 하드웨어를 매개로 환경을 인지하고 과업을 수행하는 '행동하는 뇌'를 지향한다. 이러한 변화의 중심에는 다양한 로봇과 환경에 적용 가능한 범용적 로봇 지능인 **RFM(Robot Foundation Model)**이 있다.

기존 로봇 학습 방식은 특정 로봇이나 환경에 과적합(Overfitting)되어 작은 변화에도 성능이 급격히 저하되는 한계가 있었다. 반면 RFM은 단순한 언어/시각 모델의 확장을 넘어, 물리적 세계와 상호작용하고 그 결과를 관찰하며 행동을 동적으로 수정하는 능력을 갖춰야 한다.

현재 RFM 연구는 크게 두 가지 기술적 경로로 전개되고 있다.

• VLA(Vision-Language-Action) 모델: 시각 및 언어 입력을 로봇의 행동으로 직접 매핑하는 방식이다. 최근에는 단순한 명령 수행을 넘어 추론, 작업 맥락, 촉각/힘 신호 등을 통합하여 제어 정책을 정교화하고 있다.
• World Model(또는 World Action Model) 접근법: 행동 생성과 동시에 미래의 환경 변화를 예측하는 데 집중한다. 이는 VLA 모델이 가진 물리적·동적 환경 변화 예측의 한계를 보완하는 역할을 한다.