Robot brain builders are pushing out of their GPT-2 era

개요

물리 AI(Physical AI) 분야의 급성장 속에서 로봇의 실제 작업 수행 능력 부족과 고품질 학습 데이터 부재가 핵심 과제로 떠오르고 있습니다.

주요 내용

• Unitree의 IPO 이후 주가 급락: 중국의 로봇 제조사 Unitree가 높은 기업 가치로 IPO에 성공했지만, 이후 가치가 급감했습니다. 이는 로봇의 물리적 능력은 향상되었으나 실제 가치 창출 작업을 수행할 '노하우'가 부족하다는 분석 때문입니다.
• Actuate 컨퍼런스의 성장과 과제: 로봇 AI 두뇌 개발자들의 모임인 Actuate 컨퍼런스는 2023년 대비 참가자 수가 세 배 증가하며 뜨거운 관심을 보여주었으나, '로보틱스 데이터 위기'라는 도전 과제도 명확히 드러났습니다.
• 데이터 위기와 범용 로봇의 한계: AI 모델 학습을 위한 고품질 데이터 부족은 범용 로봇 개발에 큰 걸림돌이 되고 있습니다. 특정 작업을 위한 엔드투엔드 학습도 아직 신뢰할 수 있는 상업적 성능을 제공하지 못하고 있습니다.
• GPT-2 시대의 물리 AI: 물리 AI 분야는 아직 OpenAI의 GPT-2 시대와 유사하며, 더 많은 데이터와 연산 능력, 특히 고품질 시뮬레이션 생성을 위한 레이 트레이싱 최적화 GPU가 필요합니다.
• 자율주행 분야의 선도적 역할: 자율주행차 분야는 사람 주행 차량에서 데이터를 수집하기 쉽고, 물리적 환경 조작보다는 충돌 회피에 집중하기 때문에 기술 발전이 앞서고 있습니다.
• AV 기술에서 로보틱스로의 확장: 자율주행차 개발에 사용되었던 툴링(tooling)은 로보틱스 분야로 확장되고 있으며, Tesla의 Optimus, Wayve, Uber 등도 인간형 로봇 연구 개발에 뛰어들고 있습니다.
• 하드웨어와 AI의 동시 설계 vs. 범용 모델: 하드웨어 플랫폼을 미리 결정하는 것에는 신중해야 한다는 의견과 함께, 하드웨어와 AI를 동시 설계하는 것이 현재로서는 더 유망하다는 의견이 공존합니다.
• 특정 작업 집중 vs. 범용 로봇: Gritt(태양광 발전소), Agility(산업 현장), Bedrock(굴착기) 등 특정 작업에 집중하는 로봇 회사들이 성과를 내고 있지만, 범용 인간형 로봇은 아직 연구실에 머물러 있습니다.
• 데이터 관리의 중요성: 시각 및 라이다 데이터의 밀도가 높아 데이터 관리가 중요하며, Nvidia의 Cosmos와 같은 오픈 웨이트 월드 모델 기반 솔루션은 자연어 쿼리를 통한 데이터 검색 및 평가, 시뮬레이션 구축을 가능하게 합니다.
• 물리 AI의 'ChatGPT 모먼트' 전망: 소비자에게 어필하는 로봇, 예를 들어 1,000달러 미만의 차량용 완전 자율 주행 기술이나, 즉시 사용 가능한 수준의 범용 조작 로봇, 혹은 Apple II나 IBM PC와 같은 개인용 로봇 시장의 등장이 물리 AI의 혁신적인 순간이 될 수 있습니다.

시사점

물리 AI 분야는 로봇의 실제 작업 수행 능력 향상과 고품질 데이터 확보라는 두 가지 핵심 과제를 해결해야 하며, 이를 통해 범용 로봇의 상용화와 대중화가 앞당겨질 것으로 전망됩니다.