Are brain waves the next unlock for physical AI?

개요

로봇 공학 분야에서 실제 물리적 훈련 데이터의 부족은 AI 모델 개발의 주요 제약으로 부상하고 있으며, Encord와 같은 기업은 뇌파 측정과 같은 새로운 데이터 수집 방식을 탐구하며 이러한 데이터 병목 현상을 해결하고자 합니다.

주요 내용

* 물리적 AI 훈련 데이터 부족 문제: 앤드류 세자(Andrew Ceja)와 같은 파일럿(로봇 훈련 담당자)이 젠가 게임과 같은 복잡한 물리적 작업을 수행하며 뇌파를 포함한 다양한 데이터를 수집하는 Encord의 사례를 통해, 기존 AI 모델 아키텍처보다 실제 세계의 물리적 훈련 데이터 확보가 더 큰 과제임을 보여줍니다.
* Zander Labs와의 협력: Encord는 뇌파를 측정하여 오류, 의도, 놀라움과 같은 정신 상태를 추론할 수 있는 Zander Labs의 기술을 시험 중이며, 이를 통해 모델 성능 향상에 기여할 수 있는 더 유용한 데이터 세트 구축을 목표로 합니다.
* 데이터 생산 중심 비즈니스 모델: Encord는 기존에 수집된 데이터를 관리하는 것을 넘어, 로봇 공학 기업들이 필요로 하는 훈련 데이터를 적극적으로 생산하는 비즈니스 모델을 구축하고 있습니다. 이는 "데이터는 단순히 존재하지 않는다"는 Vineeth Velmurugan(Encord의 로봇 학습 책임자)의 언급을 통해 강조됩니다.
* 다양한 데이터 수집 방식: Encord는 작업자가 착용한 카메라에서 수집되는 "자기 중심적(egocentric)" 비디오 데이터와 원격으로 조작되는 로봇 데이터뿐만 아니라, 뇌파, 팔뚝 센서를 통한 근육 전기 신호 감지 등 새로운 데이터 모달리티를 실험하고 있습니다.
* 정밀한 주석(Annotation)의 중요성: Encord는 LLM 기반 모델이 상황을 이해하도록 돕기 위해 영상 속 동작을 "오른손으로 볼트를 조인다"와 같은 물리적 설명으로 상세하게 주석 처리하며, 이러한 밀도 높은 주석이 단순한 데이터보다 훨씬 높은 가치를 가진다고 평가합니다.
* 데이터 생성의 경제적 부담: 인터넷에서 텍스트를 스크랩하는 LLM 개발과 달리, 물리적 훈련 데이터는 제조 과정을 거쳐야 하므로 상당한 비용이 발생하며, 이는 물리적 AI 모델 개발의 경제성에 영향을 미칩니다.
* 산업 동향 파악 및 공유: Encord는 여러 로봇 기업들과의 협력을 통해 산업 전반에서 어떤 데이터 기술이 주목받고 있는지 파악하고, 이를 바탕으로 고객에게 통찰력을 제공하는 역할을 수행합니다.

시사점

로봇 공학 분야에서 물리적 훈련 데이터의 부족은 AI 발전의 핵심 병목 현상이 되고 있으며, 뇌파 측정과 같은 혁신적인 데이터 수집 방식은 이러한 문제를 해결하고 로봇의 성능을 향상시키는 데 중요한 역할을 할 것으로 기대됩니다.