ACE-에고 무료

-
개발사 에이스로봇연구팀
공식 웹사이트 https://acerobotics-vla.github.io/ACE-Ego/

ACE-Ego는 체화된 지능과 로봇 작동 사전 훈련을 위한 오픈 소스 연구 프로젝트입니다. 형태학적 조건 코딩을 통해 동일한 VLA 모델을 다양한 로봇 온톨로지에 적용하는 방법을 제안하고 이중 팔 협업 작업 시나리오에서 잘 수행됩니다.

ACE-에고 제품 인터페이스

ACE-Ego 전체 리뷰

핵심 매개변수 및 통계

프로젝트 사양
제품 포지셔닝 크로스 온톨로지 구현 작업 VLA 연구 프로젝트
개발 기관 에이스로봇연구팀
핵심기술 통일된 카메라 공간 액션 + 형태학적 조건 코딩
훈련 데이터 6000시간 이상의 인간 1인칭 비디오 + 로봇/시뮬레이션 데이터
평가 벤치마크 로보트윈 2.0 쉬움/어려움
평가점수 91.12% / 90.62%
코드 상태 출시 예정

ACE-Ego는 실용적인 질문에 답합니다. 로봇마다 관절 번호, 팔 길이, 그리퍼 유형이 다릅니다. 전통적인 접근 방식은 각 로봇에 대해 별도의 모델을 훈련하는 것입니다. ACE-Ego의 아이디어는 하나의 모델을 사용하여 모든 로봇에 적응하고 "로봇의 모습"을 모델에 조건 정보로 제공하는 것입니다.

공개 검증: "91.12%/90.62% 정확도" - 이 수치는 비닐봉지 포장, 신발 상자 포장 및 기타 소매 운영 시나리오를 포함한 특정 벤치마크 작업에서 달성됩니다. 다양한 시나리오와 로봇의 실제 성능은 변동될 수 있으며 벤치마크 테스트 환경과 실제 생산 라인 환경 사이에는 차이가 있습니다.

사용자 및 시장 인지도

ACE-Ego는 아직 학문적 연구 단계에 있으며, 논문과 프로젝트 페이지를 통해 공개적으로 이용 가능합니다. 그 기술적 가치는 RoboTwin 2.0 벤치마크에서 90% 이상의 결과를 달성하는 확장 가능한 온톨로지 간 VLA 사전 훈련 프레임워크를 제안하는 데 있습니다. 프로젝트 코드는 아직 오픈소스로 공개되지 않았지만, 논문에 설명된 솔루션은 다중 로봇 작동 학습을 위한 새로운 기술 경로를 제공합니다.

공개 검증: "91.12%/90.62% 정확도" - 이 수치는 비닐봉지 포장, 신발 상자 포장 및 기타 소매 운영 시나리오를 포함한 특정 벤치마크 작업에서 달성됩니다. 다양한 시나리오와 로봇의 실제 성능은 변동될 수 있으며 벤치마크 테스트 환경과 실제 생산 라인 환경 사이에는 차이가 있습니다.

비용 이점

치수 설명
논문 및 프로젝트 페이지 대중에게 무료
코드 출시 예정(오픈 소스 예정)
API 서비스 제공되지 않음
상업 라이센스 비공개

자유로운 진실: 연구 논문과 프로젝트 페이지는 무료이지만 결과를 재현하려면 자체 로봇 하드웨어와 교육용 컴퓨팅 능력이 필요합니다. 이중 팔 로봇 플랫폼의 비용은 $50K-200K이며 VLA 모델을 교육하려면 멀티 카드 GPU 클러스터가 필요합니다. 하드웨어 조건이 없는 연구팀의 경우 검증 비용은 논문을 읽는 비용이 전혀 들지 않는 것보다 훨씬 높습니다.

주요 기능

  • 온톨로지 전반에 걸쳐 통합된 VLA: 각 유형의 로봇에 대해 별도의 교육을 받을 필요 없이 동일한 모델이 형태학적 조건 인코딩을 통해 다양한 로봇의 운동학적 구조(URDF 정보)에 적응합니다. "하나의 로봇, 하나의 모델"에서 "여러 로봇이 하나의 모델을 공유하는"까지 모델 유지 비용이 크게 절감됩니다.
  • 양팔 협력을 통한 복잡한 운영: 비닐봉지 포장, 신발 상자 등 양팔 협력이 필요한 소매 운영 시나리오를 지원합니다. 양팔의 협응은 로봇 동작에서 어려운 점이다. 왼손은 물체를 고정하고 오른손은 동작을 수행한다. 두 개의 운동 사슬 세트는 시간과 공간에서 정확하게 정렬되어야 합니다.
  • 혼합 데이터 사전 훈련: 인간 1인칭 시점 비디오(6.0K+ 시간), 로봇 원격 조작 데이터 및 공동 사전 훈련을 위한 시뮬레이션 롤아웃 데이터를 융합합니다. 휴먼 비디오는 풍부한 작업 다양성을 제공하고, 로봇 데이터는 정확한 동작 주석을 제공하며, 시뮬레이션 데이터는 탐색 작업 궤적을 보완합니다.

모델 및 버전의 진화

메인라인 출시

  • ~2026-06: ACE-Ego 논문과 프로젝트 페이지가 최초로 공개되었습니다. 코드 Coming Soon.

기술적인 장점

ACE-Ego의 핵심 기술 혁신은 "모델이 어떻게 생겼는지 이해하도록 만드는 방법"입니다. 전통적인 VLA 방법은 로봇 본체가 고정되어 있다고 가정합니다. ACE-Ego는 두 가지 주요 설계를 통해 이러한 가정을 깨뜨립니다.

  1. 균일한 카메라 공간 동작: 로봇마다 기계적 팔 길이와 관절 각도 범위가 다릅니다. 동일한 "앞으로 잡기" 동작은 관절 공간에서 완전히 다른 표현을 갖습니다. ACE-Ego는 카메라 좌표계에서 동작을 균일하게 표현합니다. 로봇이 어떻게 생겼는지에 관계없이 "손을 화면 오른쪽 앞으로 10cm 이동"이라는 목표가 카메라 공간에 일관되게 표현됩니다.

  2. 형태학적 조건 코딩: 모델 입력에 로봇의 URDF(Unified Robot Description Format) 구조와 운동학적 제약 정보를 추가하여 모델이 "내가 현재 어떤 로봇을 사용하고 있는지, 로봇의 관절이 어떻게 회전하는지"를 알 수 있도록 합니다. 그 결과 동일한 네트워크 매개변수 세트가 서로 다른 로봇에서 서로 다른 하위 네트워크 경로를 활성화한다는 것입니다.

사용방법

ACE-Ego는 현재 연구 논문으로 공개되어 있으며, 코드는 아직 공개되지 않았습니다. 예상 사용 프로세스:

  1. 프로젝트 페이지를 방문하여 기술 솔루션에 대해 알아보세요.
  2. GitHub 코드가 오픈 소스가 될 때까지 기다렸다가 다운로드하세요.
  3. 문서에 따라 훈련 환경과 로봇 하드웨어를 구성합니다.
  4. 사전 훈련 데이터 준비 또는 다운로드
  5. 대상 로봇에 직접 미세 조정하거나 배포

제품 가격

현재 상업적인 형태는 없으며 전적으로 연구 커뮤니티를 위한 것입니다. 코드는 학술 오픈 소스 라이선스(예: MIT/Apache 2.0)에 따라 오픈 소스로 제공될 것으로 예상되며, 상업적으로 사용하려면 특정 라이선스 조건의 확인이 필요합니다.

인간-기계 협업 경계: 100% 자동화: 모델 추론 및 로봇 작업 실행. 수동 개입이 필요합니다: 품질 검사 및 작업 결과의 무작위 검사, 비정상적인 상황에 대한 수동 개입, 훈련 데이터 및 장면 디자인 조정. 온톨로지 간에 마이그레이션할 때 마이그레이션 효과가 예상한 대로인지 수동으로 확인해야 합니다.

애플리케이션 시나리오

  • 소매 창고 작업 자동화: 비닐 봉지 포장, 신발 상자 포장, 제품 분류 등과 같은 양팔의 공동 작업. ACE-Ego의 교차 온톨로지 기능은 동일한 모델 세트를 다양한 유형의 로봇에 배포할 수 있음을 의미하며, 이는 창고에서 여러 로봇이 동시에 실행되는 시나리오에 적합합니다.
  • 여러 로봇의 통합 배치: 공장이나 창고에는 다양한 브랜드와 모델의 로봇이 혼합되어 있습니다. ACE-Ego를 사용하면 운영 및 유지 관리 팀이 동일한 모델 세트를 사용하여 모든 로봇을 관리할 수 있으므로 "로봇별 AI 모델"에 대한 유지 관리 부담이 줄어듭니다.
  • 로봇 기술 이전 연구: 한 로봇에서 훈련된 기술은 모델의 온톨로지 간 기능을 통해 다른 로봇으로 이전됩니다. 다양한 하드웨어 플랫폼 간에 운영 기술을 마이그레이션해야 하는 R&D 팀에 적합합니다.

단념 시나리오: 로봇에 단일 모델만 있고 단기적으로 교체되지 않는 경우 특별히 훈련된 단일 VLA 모델은 일반적으로 온톨로지 간 모델보다 더 나은 성능을 발휘합니다. 일반화 기능의 향상은 특정 로봇의 정확성을 희생하면서 발생합니다. ACE-Ego의 가치는 "여러 모델의 통합 관리"가 필요한 시나리오에 완벽하게 반영됩니다.

현재 제한 사항: 코드는 아직 오픈 소스(출시 예정)가 아니며 기술 솔루션은 논문을 통해서만 평가할 수 있습니다. RoboTwin 2.0의 테스트 시나리오는 소매점 운영이며, 기타 시나리오(정밀 조립, 의료 수술 등)에서의 일반화 능력은 검증되지 않았습니다.

해당자

  • 구현된 지능 연구원: VLA, 교차 온톨로지 일반화 및 다중 작업 로봇 학습에 중점을 둔 학술 연구원입니다.
  • 로봇 알고리즘팀: 여러 로봇 온톨로지를 동시에 관리하고 교차 온톨로지 모델 및 단일체 모델의 비용 성능을 평가해야 하는 알고리즘 엔지니어입니다.
  • 소매 및 창고 자동화 팀: 실제 운영 시나리오에는 여러 유형의 로봇과 협력하는 엔지니어링 팀이 포함됩니다.

요약 및 전망

해당 분야에서 경쟁력 있는 솔루션을 제공하며, 이 분야에서 AI 활용의 문턱을 낮추는 것이 핵심 가치입니다.

현재 제한 사항: 일부 고급 기능에는 유료 구독이 필요하며 무료 버전에는 기능 또는 사용 제한이 있습니다. 구체적인 기술 세부 사항과 성능 벤치마크는 아직 완전히 공개되지 않았습니다.

관련 도구: hugging-face, replicate

버전 정보

  • ACE-에고 ：첫 번째 공개 논문 및 프로젝트 페이지, GitHub 코드 출시 예정, 아직 공식적인 정확한 날짜는 없습니다.
  • ACE-에고 ：첫 번째 공개 출시, 아직 공식적인 정확한 날짜는 없습니다.

사용자 후기

  • 후기를 불러오는 중...