피지컬 AI 데이터 병목 대두… 휴머노이드 로봇 부품 생태계 주목

휴머노이드와 물류 로봇의 성능을 좌우하는 핵심 변수는 알고리즘보다 실물 훈련 데이터 부족으로 이동하고 있다.

첨단 인공지능 데이터 학습 분야에서는 텍스트 중심의 기존 언어모델 학습 방식과 달리, 로봇이 실제 물리 세계에서 작동하기 위한 방대한 양의 오프라인 데이터를 새롭게 제조해야 하는 상황에 직면했다.

로보틱스 업계에서는 인간의 뇌파와 근육 전기 신호까지 데이터 수집 과정에 접목하는 실험이 시도되고 있다.
기술 전문 매체 테크크런치의 7월 26일(현지시각) 보도에 따르면, 인공지능 모델 학습용 데이터 도구를 구축하는 엔코드가 최근 독일 신경과학 스타트업 잔더랩스와 손잡고 로봇 조종사의 뇌파를 측정해 학습용 데이터를 태깅하는 실증 시험에 돌입했다.

인간이 원격 조작 리그를 통해 로봇 팔로 블록을 집어 올리거나 물체를 다루는 과정에서 발생하는 오류, 의도, 놀라움 등의 미세한 뇌 활성 상태를 수집해 모델 학습 효율을 높이기 위한 데이터 태깅을 시도하고 있다.

엔코드는 로봇 학습용 데이터의 희소성을 해결하기 위해 작업자가 카메라가 달린 헤드셋을 착용한 채 물체를 다루는 에고센트릭 비디오와 전완근에 부착한 센서를 통한 팔 근육 신호까지 동시에 수집하는 방식을 취하고 있다.

에고센트릭 비디오는 작업자의 시야에서 바라본 영상으로 조작 움직임을 포착하며, 근전도 센서는 영상만으로는 파악하기 어려운 손과 팔의 동작 의도 및 미세한 움직임을 보완적으로 포착하는 역할을 맡는다.

로봇 학습 데이터 제조 비용과 대규모 데이터 확보의 과제
로봇 브레인을 개발하는 기업들은 인공지능 챗봇이 인터넷상의 방대한 텍스트를 무상으로 학습했던 것과 달리, 실물 로봇을 위한 물리적 훈련 데이터는 일일이 제조해야 하는 구조적 비용 장벽에 부딪혔다.

로봇산업의 경쟁력은 단순 알고리즘 모델을 넘어 물리 데이터 생산 능력에 크게 좌우되는 국면이다.

테크크런치 보도에 따르면, 엔코드의 로봇 학습 총괄인 비니스 벨무루간은 로봇이 일상적인 조작 능력을 갖추기 위해서는 유튜브 영상 코퍼스의 5배에 달하는 데이터셋이 필요하다고 지적했다.

가상 공간 시뮬레이션이나 단순 인터넷 영상 학습만으로는 실제 물리 세계의 복잡한 마찰력, 무게 중심, 정밀 조작 감도를 구현하기 어렵기 때문이다. 엔코드는 캘리포니아주 산렌드로 시설에서 전문 조종사들을 고용해 커피 붓기, 서버 랙의 이더넷 케이블 탈착 등 정밀 조작 데이터셋을 직접 생산하고 있다.

영상 데이터에 작업자의 신체 움직임과 물리적 설명을 정밀하게 주석 처리하는 고도화된 데이터 생산 방식에 대해 엔코드 측은 일반 데이터 수집 비용보다 약 20배가량 더 소요된다고 밝혔다.

텍스트 데이터를 무상으로 수집해 거대언어모델을 고도화했던 생성형 인공지능 초창기 공식이 피지컬 인공지능 영역에서는 그대로 적용되지 않는 셈이다. 전문 데이터 업체와의 협업 구조가 확대되는 배경이다.

한국내 제조·물류 로봇 부품 생태계에 미치는 파급효과와 과제

글로벌 로보틱스 시장에서 데이터 제조와 멀티모달 센서 결합이 가속화되면서, 한국내 로봇산업의 부품 및 센서 생태계 역시 기술 패러다임 변화에 직면했다.

증권가와 로봇 업계에서는 전 세계적으로 휴머노이드 상용화 경쟁이 격화될수록 고정밀 감속기, 다축 토크 센서, 구동계 부품의 가치가 높아질 것으로 분석하고 있다.

전통적인 제조용 로봇과 물류 자동화 시스템을 제작해 온 한국내 중견·중소 부품 협력사들은 공급망 재편 압력을 받게 됐다. 뇌파와 근전도 같은 이종 센서 데이터 결합 트렌드에 발맞추어, 한국내 관련 기업들도 지능형 로봇 부품의 소프트웨어 호환성과 데이터 수집 역량을 점검해야 한다는 목소리가 나온다.


로봇 학습 데이터의 확보 난제는 결국 피지컬 인공지능이 산업 현장과 서비스 시장으로 연착륙할 수 있는지를 가늠하는 주요 변수로 꼽힌다.

전문가들은 로봇이 인간의 개입 없이 스스로 오류를 교정하고 학습 효율을 높이려면 단순한 영상 수집을 넘어 뇌파나 근육 신호 같은 인지적 데이터의 접목이 유효한지 검증하는 과정이 필요하다고 진단한다.

제조 단가가 높은 맞춤형 데이터셋 생산 비용을 어떻게 효율화하느냐가 향후 로봇 대중화의 속도를 결정할 전망이다. 데이터 인프라 기업들의 실증 성과에 따라 글로벌 로봇 모델의 성능 격차가 벌어질 가능성이 있다.


진형근 글로벌이코노믹 기자 jinwook@g-enews.com