연구에서 상업화로: 대규모 피지컬 AI 구현의 도전과 해결 방안

Session Overview

최근 몇 년간 Physical AI는 눈부신 데모를 쏟아냈다. 빨래를 개고, 커피를 내리고, 스포츠를 즐기는 로봇들이 잇따라 등장했다. 하지만 이 시스템들 중 실제로 연구실 밖으로 나온 것은 극히 드물다. 이 강연은 인상적인 데모와 실제로 배포 가능한 로봇 사이의 간극을 다룬다. 그 간극을 만드는 네 가지 핵심 요소는 신뢰성(일반화·견고성·빠른 학습), 민첩성, 현장 기기에서의 연산 처리, 그리고 인간-로봇 상호작용이다.

Gemini Robotics, Open X-Embodiment, 탁구 로봇 연구, 그리고 로보틱스 스타트업을 처음부터 직접 만들어온 경험을 바탕으로, Pannag 박사는 이 간극을 좁히려면 그동안 당연하게 여겨온 관행들을 다시 생각해야 한다고 주장한다. 데이터를 어떻게 확보하는지, 기술을 어떻게 가르치는지, 현장 기기에 맞는 모델을 어떻게 설계하는지, 그리고 배포 이후 시스템이 어떻게 스스로 적응하는지가 핵심이다. 이 강연은 완성된 해답을 제시하는 것이 아니라, 진짜 어려운 문제와 기회가 어디에 있는지 더 명확한 지도를 그리는 것을 목표로 한다.

• 데모와 실제 배포의 간극이 진짜 문제다 — 연구실에서 무시하는 신뢰성·민첩성·엣지 연산·인간-로봇 상호작용이 현장에서 요구되는 핵심이다
• 데이터가 진짜 병목이며, 원격 조작(tele-op)은 잘못된 해결책이다 — 사람이 만든 영상과 인터넷 영상이 아직 충분히 활용되지 않는 핵심 자원이다
• 모방 학습으로 시작하되, 시뮬레이션 기반 강화학습으로 기술을 확장하고 견고성과 민첩성을 확보한다
• 엣지 연산과 빠른 학습은 나중에 추가하는 기능이 아니라 설계 단계부터 풀어야 할 아키텍처 문제다 — 클라우드 모델을 단순히 줄이는 것은 로봇용 모델 설계와 다르다
• 현장에서 새로운 사물·환경·사람에 스스로 적응하지 못하는 로봇은 아무리 데모가 훌륭해도 실제 배포가 불가능하다