로봇 산업에 들어온 생성형 AI, 학습 방식이 달라진다

생성형 AI가 로봇의 학습 방식을 ‘동작별 프로그래밍’에서 ‘보고 이해하고 행동하는 범용 정책’으로 바꾸고 있다. 로봇은 사람 시연, 시뮬레이션, 합성데이터를 함께 학습해 새로운 작업에 적응한다.

언어와 행동을 연결한다

비전-언어-행동 모델은 카메라 장면과 자연어 지시를 로봇 관절 움직임으로 변환한다. NVIDIA의 GR00T 1.7은 약 3만2천 시간의 인간 시연과 8천 시간의 시뮬레이션을 사전학습에 활용해 장기 작업 분해와 여러 로봇 형태의 적용을 목표로 한다.

현실 데이터 부족을 시뮬레이션으로

로봇의 실제 실패는 장비와 사람을 위험하게 할 수 있어 무작정 데이터를 모으기 어렵다. 물리 시뮬레이션과 합성 장면은 드문 상황을 반복 생성하고, 강화학습으로 정책을 시험하게 한다. 최근 공개 데이터공장 구조는 생성·정제·평가를 자동화해 학습 비용을 줄이는 방향을 제시한다.

상용화의 마지막 관문은 안전

화면 속 성공이 공장과 창고의 성공을 보장하지 않는다. 센서 오차, 물체 차이, 사람의 예측 불가능한 움직임에 대응해야 한다. 기업은 작업 성공률뿐 아니라 충돌 회피, 비상정지, 시뮬레이션과 현실의 성능 차이를 검증해야 한다.

해외 자료: NVIDIA Isaac GR00T Workflow · NVIDIA Physical AI Data Factory

이 글은 해외 공개 자료를 바탕으로 한 로봇 산업 해설이다.