$ cat wiki/papers/2026/2608.16590-zetta.md
Zetta ζ: An Efficient Closed-Loop Embodied Harness for Self-Evolving Physical Intelligence (arXiv:2608.16590)
TL;DR
하네스 자기진화를 물리적 실행 에 적용한다: Zetta 는 베이스 정책을 고정한 채 코드 기반의 런타임 크리틱과 복구 스킬을 온라인으로 진화 시키며, 시간 척도가 분리된 세 루프가 이를 통제한다. LIBERO-Pro 90.8%, RoboCasa 93.6% 와 11.1배 추론 속도 향상 을 보고한다 (source).
방법
제시된 공백: 기존 embodied 하네스는 오픈 루프 다. 롤아웃 동안 고정된 스킬을 따르고 에피소드가 끝난 뒤에야 반추하므로, 반추가 진행 중인 실행을 통제할 수 없다. 논문이 대는 이유는 주파수 논변이다 — 물리적 상호작용은 로봇–환경 상태를 오늘날의 대형 에이전틱 모델이 낼 수 있는 빈도를 넘어서 추적하는 결정을 요구한다.
Zetta 의 답은 시간 척도가 분리된 세 루프 다:
| 루프 | 하는 일 |
|---|---|
| 가장 빠른 루프 | 행동 주파수 통제 |
| 중간 루프 | 롤아웃 수준의 크리틱·복구 제안 |
| 가장 느린 루프 | 검증 게이트를 통과한 스킬 갱신 |
| 진화되는 산물은 코드 다 — 런타임 크리틱과 복구 스킬이며, 가중치가 아니다. **베이스 정책은 | |
| 내내 고정된다.** |
에이전트 로직을 이종 실행 자원으로부터 분리하는 롤아웃 인프라 Z-Infra 와 함께 공개됐다.
결과
| 항목 | 수치 |
|---|---|
| LIBERO-Pro 성공률 | 90.8% |
| RoboCasa 성공률 | 93.6% |
| 추론 속도 향상 | 11.1배 |
| 베이스 정책 | 고정 |
| 둘 다 "현재 우리의 롤아웃 예산 하에서" state-of-the-art 라고 명시된다 — 논문 자신의 단서이며, | |
| 실제로 일을 하고 있으므로 그대로 둔다: 주장은 예산 상대적인데 그 예산이 제시되지 않았다. |
수치 없이 추가로 명시된 것: 성공률은 자기탐색 경험이 쌓일수록 계속 확장 되고, 학습된 스킬은 제로샷으로 전이 되며, 로봇의 "Aha Moments" 가 출현한다.
의의
DarwinX 패턴이 물리 세계로 건너온 것이다. DarwinX: Evolving Agent Harnesses Through Natural Selection (arXiv:2608.07545) (2026-08-16 기록) 는 자기개선을 모델을 고정한 채 하네스 집단에 대한 선택 으로 다루며, 소프트웨어 벤치마크 네 개에서 평균 약 +17 포인트를 보고했다. Zetta 는 같은 변수를 고정하고 — 정책 고정, 하네스 진화 — 제약이 벤치마크 난이도가 아니라 제어 주파수 인 곳에 적용한다.
주파수 논변은 소프트웨어 군집에서 그대로 옮겨오지 않는 부분이다. 이 위키가 보유한 다른 모든 하네스 결과는 행동 사이에 생각할 여유가 있는 에이전트에 관한 것이다. Zetta 의 전제는 물리 제어가 그럴 수 없다는 것이고, 그에 대한 응답은 규모의 문제가 아니라 구조적이다: 빠른 루프를 생성된 코드 에 넣고 느린 모델이 그 코드를 쓰게 한다. 그래서 이것은 "하네스가 중요하다" 와는 다른 주장이다 — "하네스는 모델이 낼 수 없는 주파수로 돌아야 한다" 이다.
수치만 놓고 보면 11.1배 속도 향상이 더 읽을 만한 결과다. 90.8% 와 93.6% 는 제시되지 않은 롤아웃 예산 하의 SOTA 로 명시되어 있어 이 위키 자신의 기준으로는 불완전한 주장이고, 속도 향상은 논문 자체의 기준선에 대한 비율이므로 빠진 분모를 더 잘 견딘다.
ASPIRE: Agentic Skills Discovery for Robotics 및 Embodied Agents 와 이어진다: code-as-policy 스킬 라이브러리 가 공유 메커니즘이지만, ASPIRE 가 스킬을 발견하는 반면 Zetta 는 크리틱 을 발견한다 — 스킬이 아직 실패하는 중일 때 실패하고 있다고 판정하는 쪽이다.
열린 질문
- 롤아웃 예산은 얼마인가? 두 대표 수치 모두 그에 스코프가 걸려 있고 공개되지 않았으므로, 어느 쪽도 다른 시스템의 수치와 비교할 수 없다.
- 11.1배는 무엇을 기준으로 측정한 것인가? 오픈 루프 에이전틱 하네스인지, end-to-end 정책인지, Z-Infra 없는 Zetta 인지 초록은 말하지 않으며, 셋은 매우 다른 의미를 갖는다.
- "Aha Moments" 는 결과 자리에 놓인 일화다. 횟수도, 분류도, 예시도 없다.
- 제로샷 스킬 전이 는 수치도 대상 과제도 없이 단언된다.
- 고정된 정책은 강점인가 한계인가? DarwinX 에서 모델 고정은 의도적 설계 선택이었지만, 여기서는 단순히 VLA 정책의 재학습 비용이 클 뿐일 수도 있다. 읽은 것 중 둘을 구분해 주는 자료는 없다.
- 저자 목록, 소속, 라이선스, 코드 공개 여부 — 미상. 논문을 읽지 않았다.
인용
Zetta ζ: An Efficient Closed-Loop Embodied Harness for Self-Evolving Physical Intelligence (2026). arXiv:2608.16590.