서로 다른 로봇의 경험을 공유하는 로봇 파운데이션 모델

서로 다른 로봇의 경험을 공유하는 로봇 파운데이션 모델

피지컬 인공지능이 실제 작업 공간으로 확장되면서, 로봇마다 별도의 데이터를 모아 다시 가르치는 방식의 부담을 줄이기 위해 서로 다른 기종의 경험을 공동으로 학습시키려는 흐름이 나타나고 있다. 기사에서 다룬 로봇 파운데이션 모델(RFM)은 여러 로봇과 작업에서 얻은 지식을 하나의 모델에 축적해, 새로운 임무와 환경에 적용하는 것을 목표로 하는 범용 로봇 지능 접근이다. 여기서 범용성은 한 기계가 모든 동작을 수행한다는 의미가 아니라, 휴머노이드와 사족보행 로봇, 산업용 로봇 등이 각자 가능한 움직임을 유지하면서 공유된 학습 결과를 활용한다는 뜻이다. 기종마다 팔 길이와 관절 구조가 달라 동작을 직접 복제하기 어렵기 때문에, 서로 다른 몸체 사이의 경험 전이를 다루는 크로스 임바디먼트가 핵심 과제로 제시된다. 구글 딥마인드 등이 참여한 오픈 X-임바디먼트 프로젝트는 22종 로봇의 데이터를 합쳐 학습하고, 한 로봇의 경험이 다른 로봇에도 쓰일 수 있는 전이 효과를 확인했다고 소개됐다. 해외에서는 피지컬 인텔리전스가 복수의 로봇·작업 데이터에 기반한 범용 로봇 정책 파이제로를 공개했고, 엔비디아는 아이작 그루트 플랫폼에서 RFM과 데이터 처리 파이프라인, 시뮬레이션 학습 환경을 제공하고 있다. 국내 사례로는 NC AI와 포스코DX의 RFM 공동 개발이 언급됐으며, 카메라 영상으로 주변을 파악하고 언어 지시를 해석해 행동으로 연결하는 비전언어행동(VLA) 모델을 개발·최적화하고 있다. 두 회사는 디지털트윈 가상환경에서 로봇의 움직임과 제어를 검증하는 체계도 구축할 계획이지만, 기사에는 해당 체계의 구축 완료 여부나 현장 성능을 판단할 수 있는 결과가 제시되지 않았다.

──────────

출처 : zdnet.co.kr 원문 (https://zdnet.co.kr/view/?no=20260927135147) · 2026-09-27