하오위 자오(Haoyu Zhao) 연구팀은 7월 7일, 물리적 로봇 상호작용 대신 생성형 월드 모델을 통해 훈련 데이터를 합성하는 디지털 원격 조종 시스템인 RynnWorld-Teleop을 공개했다. 이 시스템은 조종자의 손동작 데이터를 로봇 중심의 월드 모델에 입력하여, 단일 참조 이미지로부터 정교한 1인칭 시점 영상을 생성한다. 이렇게 생성된 궤적은 로봇 형태와 무관한 행동 라벨 역할을 수행하며, 연구자들이 물리적 하드웨어 없이도 다양한 양손 로봇 작업을 위한 정책을 학습할 수 있게 한다.

RynnWorld-Teleop 파이프라인은 깊이 인식 골격 조건화, 비디오 Diffusion Transformer를 활용한 단계적 인간-로봇 학습, 그리고 스트리밍 자기회귀 증류 기술을 탑재했다. 해당 아키텍처는 단일 H100 GPU 환경에서 40+ FPS의 실시간 생성 속도를 구현한다. 실험 결과, 오직 생성된 데이터로만 학습한 정책이 효과적인 제로샷 Sim2Real 전이를 달성했으며, 기존 데이터셋에 이를 보완할 경우 전체 성공률이 향상되는 것으로 나타났다. 이 시스템은 정교한 데이터를 생성하는 확장 가능한 엔진으로서, 대규모 로봇 학습을 물리적 원격 조종의 제약으로부터 효과적으로 분리한다.

하오위 자오(Haoyu Zhao) 연구팀은 7월 7일, 물리적 로봇 상호작용 대신 생성형 월드 모델을 통해 훈련 데이터를 합성하는 디지털 원격 조종 시스템인 RynnWorld-Teleop을 공개했다. 이 시스템은 조종자의 손동작 데이터를 로봇 중심의 월드 모델에 입력하여, 단일 참조 이미지로부터 정교한 1인칭 시점 영상을 생성한다. 이렇게 생성된 궤적은 로봇 형태와 무관한 행동 라벨 역할을 수행하며, 연구자들이 물리적 하드웨어 없이도 다양한 양손 로봇 작업을 위한 정책을 학습할 수 있게 한다.

RynnWorld-Teleop 파이프라인은 깊이 인식 골격 조건화, 비디오 Diffusion Transformer를 활용한 단계적 인간-로봇 학습, 그리고 스트리밍 자기회귀 증류 기술을 탑재했다. 해당 아키텍처는 단일 H100 GPU 환경에서 40+ FPS의 실시간 생성 속도를 구현한다. 실험 결과, 오직 생성된 데이터로만 학습한 정책이 효과적인 제로샷 Sim2Real 전이를 달성했으며, 기존 데이터셋에 이를 보완할 경우 전체 성공률이 향상되는 것으로 나타났다. 이 시스템은 정교한 데이터를 생성하는 확장 가능한 엔진으로서, 대규모 로봇 학습을 물리적 원격 조종의 제약으로부터 효과적으로 분리한다.