ASPIRE v1.0이 2026년 10월 16일 정식 오픈소스로 공개됐다. 엔비디아 GEAR 랩을 이끄는 린시 판(Jim Fan)은 이날 이 로봇 에이전트 프레임워크의 코드가 GitHub의 NVlabs 저장소에 Apache 2.0 라이선스로 올라갔다고 발표했다. ASPIRE의 방식은 주류 로봇 학습과 사뭇 다르다. 새 정책 네트워크를 훈련하는 대신, 대형 언어 모델이 로봇의 제어 코드를 직접 쓰게 하고, 실패하면 로그를 읽어 코드를 고치고, 될 때까지 다시 시도하게 한다.
스킬은 가중치가 아니라 코드로 저장된다
기존 로봇 시스템에는 오래된 버릇이 있다. 한 과제에서 찾아낸 수정법은 과제가 끝나면 버려지고, 다음은 처음부터 다시 시작한다. ASPIRE는 그 수정법을 남긴다. 검증된 수정법, 즉 위치 추정 요령과 지각 프롬프트, 디버깅 절차를 재사용 가능한 항목으로 쌓아 두는 스킬 라이브러리를 유지하고, 다음 과제는 이를 바로 불러 쓸 수 있다.
프로젝트 페이지의 실제 로봇 시연은 이 노선이 어디까지 왔는지를 보여 준다. GPT-6 Astra가 구동하는 로봇 팔이 자기 제어 프로그램을 고쳐 가며 루빅스 큐브 푸는 법을 온라인으로 익히고, 다른 시연에서는 시뮬레이션에서 배운 스킬이 실제 로봇으로 옮겨가 책상 정리를 해낸다. 이번 10월 업데이트에서 프로젝트 팀은 ASPIRE가 LIBERO-Pro의 조작 과제 80개에서 99% 성공률에 도달했다고 보고했다. 다만 이 수치는 프로젝트 팀이 자체 벤치마크에서 낸 성적으로, 독립적인 재검증은 아직 없다. 방향을 가늠하기에는 좋지만 업계의 잣대로 삼을 수는 없다.
세 가지 축: 실행 엔진, 스킬 라이브러리, 진화 탐색
ASPIRE가 스스로 코드를 고칠 수 있는 것은 세 부품의 협업 덕분이다. 첫째는 폐루프 실행 엔진이다. 로봇의 지각, 계획, 파지, 제어 호출마다 시각적 증거를 담은 다중모달 궤적이 남아, 에이전트는 '실패했다'는 한마디가 아니라 어느 단계에서 어긋났는지를 특정할 수 있다. 둘째는 스킬 라이브러리로, 검증된 수정을 저장해 이후 과제가 검색할 수 있게 한다. 셋째는 진화 탐색이다. 여러 후보 프로그램을 병렬로 생성하고 각자의 실패 기록을 대조해, 하나의 잘못된 방향에 매달리지 않게 한다.
이 조합은 논문 버전 테스트에서 이미 성과가 드러났다. 프로젝트 논문에 따르면 LIBERO-Pro의 교란 테스트에서 가장 강한 기준선보다 최대 77점 높았고, Robosuite의 양팔 전달 과제와 BEHAVIOR-1K의 장시간 가사 과제에서도 뚜렷한 우위를 보였다. 스킬은 기체를 넘나들며 이전되기도 한다. 시뮬레이션에서 쌓은 경험이 다른 실제 로봇의 프로그래밍 참고 자료가 되어 디버깅에 드는 추론 토큰을 크게 줄였다. 이는 로봇 파운데이션 모델이 호스팅 서비스로 가는 흐름과 같다(Pi API 공개 테스트 참조). 모델의 역할은 기계를 직접 조종하는 것에서, 기계에 프로그래밍하고 경험을 쌓게 하는 것으로 옮겨 가고 있다.
한계도 프로젝트 페이지에 적혀 있다
ASPIRE 팀은 한계를 숨기지 않는다. 프로젝트 페이지에 별도 항목으로 정리돼 있다. 첫째, 아직 완전 자율적인 실세계 학습자는 아니다. 실제 배치에는 여전히 신뢰할 수 있는 성공 판정, 안전한 리셋, 안전 모니터링, 보정이 필요하다. 둘째, 고정된 최첨단 대형 모델에 의존하며, 더 작은 모델로 같은 디버깅 순환을 유지할 수 있는지는 검증되지 않았다. 성적의 상당 부분은 뒤에 있는 대형 모델의 몫이라는 뜻이다. 셋째, 미리 정의된 지각·제어 기본 연산 안에서만 움직일 수 있어 안전하지만 표현할 수 있는 행동도 제한된다. 넷째, 스킬 라이브러리의 장기 관리는 아직 풀리지 않았다. 항목이 쌓이면 낡거나 겹치거나 새 과제를 오도하는 항목이 생긴다. 반복 디버깅과 진화 탐색 자체도 연산 자원을 많이 소모한다.
그래서 ASPIRE v1.0의 가치는 '로봇이 이제 무엇이든 스스로 배운다'에 있지 않다. 에이전트가 로봇을 제어하는 코드를 쓰게 하고, 경험을 코드 형태로 저장해 넘겨줄 수 있게 하는 공학적 틀 전체가 오픈소스로 나왔다는 데 있다. 로봇 팀에게 이것은 시연 영상 하나보다 시간을 들일 가치가 있다. 틀은 재사용할 수 있지만 시연은 그럴 수 없기 때문이다.
