AI-translated from English; not yet reviewed by a fluent editor.

# HomeBody는 휴머노이드의 공간 기억을 재사용 가능한 로봇 기술과 연결한다

> Caltech와 Stanford 연구진은 Unitree G1이 기억한 주방 지도를 활용해 재사용 가능한 기술을 실행하는 모습을 보여 준다. 공개 자료에는 일부 시연만 있으며 통제된 결과 연구나 전체 논문, 로봇 코드는 없다.

By BIG CHANGE Editorial

Published: 2026-09-27T14:28:31.966Z
Updated: 2026-09-27T14:28:31.966Z
Canonical: https://bigchange.ai/blog/homebody-humanoid-spatial-memory-robot-skills

![Conceptual charcoal illustration of a white humanoid robot walking toward a closed drawer in a light wood kitchen.](https://bigchange.ai/api/media/file/homebody-kitchen-g1-hero-v1.png)
AI-generated conceptual illustration by BIG CHANGE.

Caltech와 Stanford 연구팀은 [HomeBody를 시연했다](https://tml.stanford.edu/homebody/). 이 연구 시스템에서는 GPT Astra가 길찾기와 조작 기술을 호출해 Unitree G1을 주방 작업으로 이끈다. 로봇은 먼저 방을 탐색하고 물체를 어디서 봤는지 저장한다. 연구팀의 시연에서 로봇은 커피 봉지를 모으고 지정된 우유 및 오렌지 주스 상자를 버리며, 카메라 시야에서 사라진 약병을 서랍에서 꺼낸다.

## 큰 변화

- **무엇이 달라졌나:** HomeBody는 시각·언어 모델에 탐색한 공간의 기록과 로봇 기술을 실행하는 공통 인터페이스를 제공한다. 모델이 기술과 목표를 선택하면 로컬 소프트웨어가 움직임을 계획하고 실행한 뒤 결과를 보고한다.
- **왜 중요한가:** 모델은 이 주방에 맞춘 새로운 행동 정책을 학습하지 않고도 여러 위치를 아우르는 계획을 세우고 피드백을 활용할 수 있다. 연구팀의 시연은 기억과 기존 운동 기술을 조합해 더 긴 작업을 수행하는 방식을 보여 준다.
- **아직 열려 있는 질문:** 공개 자료는 일부 시연만 보여 주며 통제된 성공률 연구는 제시하지 않는다. 9월 27일 현재 논문과 로봇 코드는 공개되지 않아 자료만으로 보고된 성능을 독립적으로 재현할 수 없다.

## 로봇은 방을 어떻게 기억하나

HomeBody는 탐색부터 시작한다. [프로젝트 배포 설명](https://tml.stanford.edu/homebody/)에 따르면 G1은 광각 iPhone 영상과 D435i 카메라 관측, LiDAR 스캔, 관절 자세, 모델이 선택한 경유점을 수집한다. LiDAR 기반 SLAM 지도가 측정된 방 구조를 제공한다. Astra는 이 자료를 사용해 Nvidia Isaac Sim에서 디지털 트윈을 만든다. 연구팀은 녹화된 카메라 영상과 로봇의 현재 위치가 같은 좌표계에 놓이도록 지도와 재구성 모델을 정렬한다.

이 준비 작업은 로봇이 현재 볼 수 없는 물체를 지시문에서 언급할 때 중요하다. 약병을 가져오라는 요청에 대해 연구팀은 HomeBody가 저장된 카메라 키프레임을 불러와 서랍을 찾고 그곳으로 이동한 다음 서랍을 열어 병을 집었다고 설명한다. 방의 모델은 길찾기와 위치 기억을 돕고, 마지막의 물리적 상호작용은 실시간 카메라가 안내한다.

프로젝트 페이지의 [대화형 주방 시연 영상은](https://tml.stanford.edu/homebody/) 재구성한 방에서 진행되는 예시라고 명시돼 있다. 페이지에는 G1이 주방 작업을 하는 영상도 별도로 실려 있으며, 길찾기와 집기, 놓기, 서랍 기술 영상에는 실제 로봇 촬영이라고 표시돼 있다. 이 영상들은 연구팀이 선택한 실행 사례를 기록하며, 시뮬레이션 재생은 계획 순서를 보여 준다.

## 모델의 결정에서 움직임까지

모델은 과제와 현재 카메라 화면, 지도 맥락, 그리퍼 상태, 불러온 관측 결과, 직전 기술의 결과를 받는다. 그런 다음 기술 이름과 목표를 지정한 구조화된 호출을 보낸다. 집기 동작의 목표는 0\~1000 척도의 이미지상 한 지점과 어느 손을 쓸지에 대한 선택이다. 로컬 인식 기능이 물체를 분할하고 스테레오 영상에서 깊이를 추정해 해당 위치를 3D 파지점으로 바꾼다. 이어 팔 계획기가 움직임 경로를 계산하고 점검한다. 길찾기에는 지도 좌표계의 2D 목표와 향하는 지점을 사용하며 물체를 놓을 때는 3D 해제 지점을 사용한다. 서랍 열기 기능은 손잡이 정렬과 걸기, 뒤로 걷기를 하나의 동작으로 묶는다.

기술이 작게 수정하는 과정은 로컬에서 이뤄진다. 연구팀은 접근 과정의 시각 추적과 집기에 실패했을 때 허용된 횟수만큼 재시도하는 방법을 설명한다. 복구에 실패하면 기술이 이유를 Astra에 돌려보내 다음 결정을 요청한다. 걷기와 팔 뻗기에는 사전 학습된 전신 제어기 AMO를 사용한다. 페이지에 따르면 팔과 손 명령은 250Hz로 실행되고 AMO 정책은 50Hz로 갱신된다. Astra는 원격에서 동작한다. 인식과 움직임 계획, 기술 실행은 RTX 4090 GPU가 장착된 노트북에서 처리한다.

Astra는 *어떤 동작을* 시도할지, *어느 위치로 움직일지*를 고른다. 스킬 라이브러리와 컨트롤러는 G1을 *어떻게* 움직이는지 결정한다. 연구팀은 주방 시연에 환경별 학습 데이터나 추가 정책 학습을 사용하지 않았다고 말한다. 기존에 사전 학습된 제어기와 상당한 방 재구성은 여전히 준비 과정의 일부다.

## 시연으로 확인되는 내용

프로젝트 페이지에는 이전에 본 적 없는 주방에서 수행한 두 가지 물리적 작업 순서가 소개돼 있다. 하나는 커피 봉지를 모으고 지정된 우유와 오렌지 주스 상자를 버리는 작업이다. 다른 하나에서 G1은 조건이 충분히 구체적이지 않은 요청을 받아 약병을 찾고 서랍에서 꺼내 건넨 뒤 상자를 버린다. 기술 영상은 개별 동작과 기록된 재시도를 보여 준다. 페이지에 따르면 대부분의 미리보기 영상은 재생 속도를 높였으며 서랍에서 물건을 꺼내는 연속 재시도 장면도 명시돼 있다.

공개 자료에는 시행 횟수와 작업 성공률, 학습된 시각·언어·행동 정책과의 비교, 주방 작업 1회를 완료하는 데 든 시간과 비용이 제시되지 않는다. 따라서 이 자료는 구조를 시연하지만 다른 주방에서도 설계가 안정적으로 작동한다는 측정된 주장을 뒷받침하지는 않는다. [연결된 공개 저장소](https://github.com/Stanford-TML/homebody)에는 현재 ‘코드는 곧 공개됩니다’라고 적혀 있으며 프로젝트 페이지의 논문 항목에도 연결된 원고가 없다. 저장소에는 웹사이트와 삽화, 영상이 있지만 로봇 구현이나 평가 파일은 없다. BIG CHANGE는 HomeBody를 실행하거나 로봇을 시험하지 않았다.

BIG CHANGE가 앞서 다룬 [GPT-Policy 보도](https://bigchange.ai/blog/gpt-policy-robot-learning-vlm-agents)는 로봇 동작의 맥락을 다룬 다른 연구팀의 논문을 살펴봤다. HomeBody 자료에는 그 논문이 이 시스템의 일부라고 나와 있지 않다.

연구팀이 제시한 실용적 제약도 있다. 디지털 트윈 구축에는 설정 시간과 API 비용이 들고, Astra의 원격 추론 때문에 기술 사이에 대기 시간이 생긴다. G1이 닿고 조작할 수 있는 범위도 한계가 있으며, 장시간 작동하면 손가락 서보가 과열될 수 있다. 로컬 시스템에는 RTX 4090 노트북이 필요하고 더 무거운 기술에는 더 많은 연산 자원이 필요할 수 있다.

## 출처 및 더 읽을거리

- [Caltech 및 Stanford 연구진의 HomeBody 프로젝트 페이지](https://tml.stanford.edu/homebody/) — 시스템과 주방 시연, 시뮬레이션 재생, 기술 인터페이스, 제어 스택, 명시된 한계에 관한 1차 설명이다. 페이지 날짜는 2026년 9월이다. 일부 영상과 설명은 연구팀이 제시한 증거이지 독립적 평가가 아니다.
- [Stanford TML의 공개 HomeBody 저장소](https://github.com/Stanford-TML/homebody) — 프로젝트 페이지에서 링크한 저장소다. 2026년 9월 27일 확인 당시 README에는 코드가 곧 공개될 예정이라고 적혀 있었다. 공개 트리에는 웹사이트 자산이 있으며 로봇 구현이나 전체 논문은 없다.

## Sources

- [Caltech 및 Stanford 연구진의 HomeBody 프로젝트 페이지](https://tml.stanford.edu/homebody/) — 구조와 실제 주방 시연, 명시적으로 예시라고 밝힌 시뮬레이션 재생, 기술 인터페이스, 연산 환경, 제시된 한계에 관한 저자 측 1차 설명이다. 일부 선택된 영상과 설명은 통제된 독립 평가가 아니다. 논문 항목에 연결된 원고는 없다.
- [Stanford TML 공개 HomeBody 저장소](https://github.com/Stanford-TML/homebody) — README에는 코드가 곧 공개될 예정이라고 적혀 있다. 공개 트리에는 프로젝트 웹사이트와 미디어가 있으며 로봇 구현이나 평가 파일은 없다. 저장소가 생성됐다는 사실은 실험 시점을 입증하지 않는다.