인간형 로봇, 예상보다 빠르게 일상 업무 습득, 미래 자동화 재편

글로벌 - 이크바리 뉴스 통신사

인간형 로봇, 예상보다 빠르게 일상 업무 습득, 미래 자동화 재편

인공지능과 로봇공학의 끊임없는 발전은 인간형 로봇이 복잡한 일상 업무를 놀라운 숙련도로 마스터하는 예상치 못한 재능을 보여주면서 새로운 놀라운 이정표에 도달했습니다. 한때 실용적인 가정 보조 로봇의 먼 비전으로 여겨졌던 것이 이제는 로봇공학자 벤지 홀슨이 고안한 독특한 도전 과제 덕분에 빠르게 실질적인 현실이 되고 있습니다.

지난 9월, 홀슨은 인간형 로봇이 달성할 수 있는 한계를 뛰어넘기 위해 세심하게 고안된, 점점 더 어려워지는 일련의 테스트인 "인간형 올림픽 게임"을 공개했습니다. 처음에는 진정으로 유용한 가정용 로봇이 적어도 15년은 걸릴 것이라고 예상했던 홀슨은 이 기계들이 그 시간의 일부 만에 도전을 정복하기 시작하자 깜짝 놀랐습니다. 시험은 둥근 문 손잡이로 문을 여는 것과 같은 겉보기에 간단한 동작부터 남성용 드레스 셔츠의 단추를 정확하게 채우고 열쇠로 문을 여는 것과 같은 고도로 복잡한 "금메달" 과제에 이르기까지 다양했습니다.

홀슨의 근본적인 전제는 심오했습니다. 진정으로 가치 있는 로봇 능력은 공개 시연에서 자주 선보이는 화려하고 곡예적인 묘기가 아니라, 일상적인 인간 생활의 기반이 되는 평범하고 반복적인 작업입니다. 그는 사회가 진정으로 원하는 로봇은 세탁을 하고, 식사를 요리하며, 신뢰성과 정확성을 가지고 집안일을 수행할 수 있는 로봇이라고 주장했습니다. 이러한 철학은 올림픽의 디자인에 영향을 미쳤으며, 눈부신 spectacle보다는 실용적인 유용성에 초점을 맞췄습니다.

초기 예상은 이러한 도전 과제를 해결하는 데 수년이 걸릴 것이라는 것이었습니다. 그러나 로봇 회사 Physical Intelligence는 이러한 예측을 극적으로 뛰어넘어, 불과 몇 달 만에 15개 도전 과제 중 11개(브론즈에서 금메달 난이도까지)를 완료했습니다. 그들의 로봇은 창문 닦기, 땅콩 버터 바르기, 심지어 강아지 배변 봉투 사용과 같은 작업을 수행하며 인상적인 다재다능함을 보여주었고, 이는 이전에 멀리 떨어져 있다고 생각했던 민첩성과 환경 상호 작용 수준을 입증했습니다.

홀슨이 발견했듯이, 이러한 가속화된 진행의 핵심 요소는 시각 기반 또는 카메라 기반 시스템의 놀라운 성능입니다. 그의 초기 가정과는 달리, 이 로봇들은 정교한 힘 감지 기술에 의존하지 않고도 고급 조작 기술을 시연하고 있습니다. 홀슨은 "저는 [열쇠 삽입 및 땅콩 버터 바르기와 같은] 작업에 힘 입력이 필요할 것이라고 생각했습니다. 하지만 분명히 더 많은 비디오 시연을 제공하면 작동합니다"라고 언급했습니다. 이 통찰력은 로봇 훈련의 패러다임 변화를 강조하며, 방대한 양의 시각 데이터가 촉각 피드백을 대체할 강력한 수단임이 입증되고 있습니다.

이 성공 뒤에 있는 훈련 방법론은 주로 "시연을 통한 학습"에 뿌리를 두고 있습니다. 인간 조작자가 로봇을 수백 번 원격 조작하여 작업을 수행하게 함으로써 풍부한 데이터셋을 생성합니다. 그런 다음 이 시각 및 운동 데이터에 대해 강력한 AI 모델이 훈련되어 로봇이 작업을 자율적으로 복제할 수 있도록 합니다. 이 접근 방식은 로봇공학과 전통적으로 관련된 많은 고된, 한 줄씩 코딩하는 작업을 우회하여 기술 습득 과정을 크게 간소화합니다.

또한, 로봇공학에서 대규모 언어 모델(LLM)의 역할은 한때 회의적인 시각으로 여겨졌지만, 진화하고 있습니다. LLM은 차를 만드는 단계를 나누는 것과 같은 고수준 계획에는 탁월하지만, 물리적 실행은 항상 병목 현상이었습니다. 그러나 LLM과 동일한 트랜스포머 아키텍처를 활용하는 시각-액션 모델의 등장은 이러한 격차를 해소하고 있습니다. 이 모델들은 텍스트, 이미지 및 비디오의 광범위한 데이터셋으로 사전 훈련되어 세상에 대한 기본적인 이해를 제공합니다. 결과적으로, 특정 작업을 위해 훈련될 때 AI는 기하학을 배우기 위해 처음부터 시작하지 않습니다. 이미 "찻주전자를 옮기는 것"과 같은 개념을 이해하여 작업별 학습을 극적으로 가속화하고 더 직관적인 상호 작용을 가능하게 합니다.

주머니에서 열쇠를 찾는 것과 같은 작업에서 인간에게 중요한 촉각 감지의 과제는 여전히 복잡한 장애물로 남아 있습니다. 로봇 전용 촉각 기술은 종종 비싸고 섬세하며 카메라 시스템보다 덜 발전되어 있지만, 일부 회사들은 혁신하고 있습니다. Physical Intelligence와 Sunday Robotics(짝이 맞는 양말을 말아 넣는 동메달 과제를 완료)는 로봇의 손목, 손가락 가까이에 카메라를 배치하는 실험을 했습니다. 로봇 손가락의 고무와 같은 부드러운 재료나 물체 자체가 어떻게 변형되는지 관찰함으로써 로봇은 힘을 추론할 수 있으며, 효과적으로 촉각을 "볼" 수 있습니다. 이 시각적 추론은 땅콩 버터 바르기와 같은 작업에서 놀랍도록 효과적임이 입증되었는데, 로봇은 칼이 휘어지고 빵이 으스러지는 것을 관찰하여 압력을 측정합니다.

앞으로 홀슨은 진정으로 유용한 가정용 로봇에 대한 자신의 예측을 15년에서 더 낙관적인 6년으로 수정했습니다. 그러나 그는 비디오에 담긴 성공적인 실험실 시연과 시장에 출시될 준비가 된 신뢰할 수 있고 안전한 제품 사이에는 상당한 격차가 존재한다고 경고합니다. 자율주행차가 프로토타입에서 상업 서비스로 전환하는 데 수십 년이 걸렸던 것과 마찬가지로, 광범위한 채택으로 가는 길은 신뢰성과 일반화와 관련된 도전으로 가득합니다. 로봇이 다양한 조명, 표면 및 물체 변화에 걸쳐 일관되게 작업을 수행할 수 있도록 보장하려면 몇 배 더 많은 데이터와 엄격한 테스트가 필요하며, 데이터 수집에 걸리는 시간이 몇 주 또는 몇 달의 개선으로 바뀝니다. 로봇공학의 미래는 믿을 수 없을 정도로 유망하지만, 견고성과 안전이라는 마지막 한계를 극복하는 데 달려 있습니다.

이크바리 뉴스 통신사