"빠른 실패 데이터가 더 중요"…K-피지컬AI 승부처 '데이터 선순환'

인공지능(AI)이 로봇 등 물리적 시스템과 결합해 현실 세계와 상호작용하는 '피지컬 AI' 경쟁이 본격화하면서 휴머노이드 로봇의 팔·다리·손을 움직이게 하는 고품질 데이터의 중요성이 커지고 있다.

RGB 등 카메라 영상을 대량으로 확보하는 것만으로는 로봇이 현실 환경을 이해하고 정밀 조작을 수행하기에는 한계가 있어서다. 로봇이 물건을 집고 옮기거나 부품을 조립하려면 물체의 형상·재질·무게·질량 분포, 접촉에 따른 변화, 작업공간 제약, 실패와 복구 과정까지 학습 가능한 데이터로 전환해야 한다.

(중략)

실패 로그가 만드는 피지컬 AI 데이터 선순환

슈퍼브에이아이는 피지컬AI 데이터 사업에서 실제 환경의 시각·공간·행동 데이터를 구축하는 데 주력하고 있다.

회사는 LG AI연구원 컨소시엄이 개발하는 'K-엑사원'(K-EXAONE)의 비전·영상·피지컬AI 데이터 구축을 맡아 독자 AI 파운데이션 모델 프로젝트 3차수에 진출했다.

슈퍼브에이아이는 독파모 1차수에서 실제 가정 50곳의 RGB-D 원시 데이터 108만 프레임을 확보하고, 이 가운데 30만 프레임을 학습용 데이터로 자산화했다. 회사는 실환경 캡처, 디지털 에셋 전환, 합성 데이터 생성으로 이어지는 체계를 구축해 3D 공간·행동 이해용 학습 데이터를 늘리겠다는 구상이다.

(중략)

업계 관계자는 "피지컬 AI의 데이터 플라이휠은 '수집→시뮬레이션→학습→현장 배치→재수집'의 흐름으로 작동한다"며 "로봇이 물체를 놓치거나 잘못 집은 상황, 충돌 직전 멈춘 경우, 원격조작으로 자세를 회복한 과정은 값비싼 학습 자산이 된다. 반복 성공 장면보다 모델이 취약한 조건과 안전한 복구 방식을 동시에 알려주기 때문"이라고 말했다.

이어 "K-피지컬 AI의 성패도 로봇 한 대를 얼마나 빨리 개발하느냐보다, 현장의 변화와 실패를 다음 모델 학습으로 얼마나 빠르게 연결하느냐에 달렸다"고 했다.