1. Executive Summary (핵심 요약) 인공지능 연구의 흐름은 단순한 ‘지식의 저장’에서 ‘도구의 활용(Tool Use)’으로 급격히 이동하고 있습니다. 그러나 기존의 멀티모달 거대언어모델(MLLM)들은 사전에 정의된 도구의 사용법을 암기하거나, 고도로 정제된 지도학습(Supervised Learning) 데이터에 의존하여 새로운 도구에...

1. 핵심 요약 (Executive Summary) 최근 비디오 생성 AI 분야는 Sora, Kling, Gen-3 Alpha와 같은 모델의 등장으로 ‘시각적 경이로움’의 시대를 맞이했습니다. 하지만 여전히 해결되지 않은 숙제가 있습니다. 바로 ‘긴 호흡의 서사(Long-horizon narrative)’를 일관되게 생성하는 능력입니다. 단순한 텍스...

TwinBrainVLA: 범용 VLM의 지능과 로봇 제어의 정밀함을 결합한 비대칭 트랜스포머 아키텍처 심층 분석 1. 핵심 요약 (Executive Summary) 최근 로봇 공학 및 인공지능 분야의 가장 뜨거운 화두는 ‘Embodied AI(체화된 인공지능)’입니다. 그 중심에는 시각 정보를 이해하고 언어 지시를 따르며 물리적 행동을 수행하는 V...

Text-to-Image Diffusion의 새로운 지평: Representation Autoencoders(RAE)를 통한 초거대 DiT 스케일링 심층 분석 1. 핵심 요약 (Executive Summary) 최근 생성형 AI 분야는 Diffusion Transformer(DiT) 구조를 중심으로 급격한 발전을 거듭해 왔습니다. 그러나 기존의 모...

로봇의 언어 이해를 혁신하는 BayesianVLA: Information Collapse 해결과 베이지안 분해 기술의 심층 분석 1. Executive Summary (핵심 요약) 최근 로보틱스 분야에서는 시각(Vision), 언어(Language), 그리고 행동(Action)을 단일 신경망으로 통합한 VLA(Vision-Language-Actio...

HERMES: KV 캐시를 계층적 메모리로 재설계한 실시간 스트리밍 비디오 이해의 새로운 지평 1. 핵심 요약 (Executive Summary) 최근 멀티모달 대규모 언어 모델(MLLM)은 오프라인 비디오 이해 분야에서 비약적인 발전을 이루었으나, 실시간 스트리밍 환경에서의 적용은 여전히 높은 장벽에 가로막혀 있습니다. 기존 방식은 지속적으로 유...

Think3D: 공간적 연쇄 사고(3D CoT)를 통한 다중 모달 지능의 진화 1. Executive Summary (핵심 요약) 최근 GPT-4o, Gemini 1.5 Pro와 같은 시각 언어 모델(Vision-Language Models, VLMs)의 비약적인 발전에도 불구하고, 이들은 여전히 ‘2D 인식자(2D Perceivers)’라는 근본...

Being-H0.5: 범용 로봇의 ‘모국어’를 찾아서 - 인간 중심 학습 기반의 크로스-엠보디먼트 VLA 기술 심층 분석 1. 핵심 요약 (Executive Summary) 로보틱스 분야의 오랜 숙원 사업은 서로 다른 하드웨어(Embodiment)를 가진 로봇들이 동일한 지능 체계를 공유하고, 하나의 모델이 다양한 형태의 로봇을 제어하는 ‘범용 로...

Alterbute: 객체의 정체성을 유지하며 내재적 속성을 편집하는 혁신적 확산 모델 분석 1. 핵심 요약 (Executive Summary) 최근 생성형 AI 분야에서 이미지 편집 기술은 비약적인 발전을 이루었으나, ‘객체의 고유 정체성(Identity)을 유지하면서 특정 내재적 속성(Intrinsic Attributes)만을 정밀하게 변경’하는...

비디오 생성의 한계를 넘다: NVIDIA의 TMD(Transition Matching Distillation) 기술 심층 분석 1. Executive Summary (핵심 요약) 최근 생성 AI 분야의 가장 큰 화두는 ‘고화질 비디오의 실시간 생성’입니다. OpenAI의 Sora, Kuaishou의 Kling, 그리고 최근 공개된 Wan2.1 등 ...