📰 핵심 요약

냉전적 사고와 격자탑의 이미지는 흥미롭지만, 이건 콘텐츠 변환 작업이니 바로 결과물을 내면 된다.

최근 피지컬 AI 분야에서 새로운 스타트업들이 등장하며, 다음 진짜 병목은 모델 아키텍처가 아니라 실세계 물리 훈련 데이터의 희소성이라는 데 베팅하고 있다. 캘리포니아 San Leandro에 위치한 Encord가 그중 하나로, 이 회사는 원래 머신 비전 애플리케이션을 위한 데이터 라벨링 및 모델 평가 도구에 집중해왔지만, 최근에는 고객이 기존 데이터를 관리하도록 돕는 것을 넘어 스스로 로봇 훈련 데이터를 “제조"하는 방향으로 전환했다. Encord는 자사의 로봇 훈련 요원을 “파일럿(pilot)“이라 부르는데, 그중 한 명인 Andrew Ceja는 카메라가 달린 헤드셋을 착용하고 블록 탑을 해체하면서 자신의 시점 영상을 기록했다. 이는 로봇 훈련 데이터를 수집하는 흔한 방식이다. 특별한 점은 이 헤드셋에 뇌파를 측정하는 센서가 내장되어 있다는 것으로, 독일의 신경과학 스타트업 Zander Labs가 제작했다. 목적은 “실수, 의도, 놀라움” 같은 심리 상태를 감지해 더 가치 있는 훈련 데이터셋을 구축하는 것이다. 현재 양사의 협업은 아직 시범 단계에 머물러 있으며, Encord는 우선 뇌파 태그가 달린 데이터셋을 구축한 뒤 이를 고객의 로봇 모델에 적용해 효과를 테스트하고, 이후 규모 확대 여부를 평가할 계획이다. Zander의 신경과학자 Lucas Gehrke는 작업 수행 중 뇌 활동량의 변화가 모델 개발자들이 언제 “고연산 모드"를 활성화해야 할지 판단하는 단서가 될 수 있다고 말했다. Encord의 로봇 학습 부문 책임자이자 전 OpenAI 로보틱스 랩 및 Berkshire Grey 출신인 Vineeth Velmurugan은 이것이 로봇 데이터 병목을 해결하기 위한 “최전선” 시도라고 밝혔다. 그는 영상만으로 훈련할 경우 실세계 데이터의 정밀도가 부족하다며, 현재의 병목을 돌파하려면 유튜브 전체 영상 분량의 약 5배에 달하는 데이터셋이 필요할 것으로 추산했다. 이는 데이터 생성 자체가 단순한 연구 과제가 아니라 독립적인 비즈니스 모델로 발전해가고 있음을 보여준다.

💬 JudyAI Lab 관점

최근 피지컬 AI 분야에서 새로운 스타트업 물결이 등장하며, 다음 진짜 병목은 모델 아키텍처가 아니라 실세계 물리 훈련 데이터의 희소성이라는 데 베팅하고 있다. 이런 흐름은 AI 빌더들이 주목할 만하다.

캘리포니아 스타트업 Encord는 원래 머신 비전 데이터 라벨링 및 모델 평가 도구에 집중해왔지만, 최근 스스로 로봇 훈련 데이터를 “제조"하는 방향으로 전환했다. 훈련 요원들은 카메라가 달린 헤드셋을 착용하고 블록 탑을 해체하며 1인칭 시점 영상을 기록하는데, 특별한 점은 이 장치에 뇌파를 측정하는 센서가 내장되어 있다는 것이다. 독일 스타트업 Zander Labs가 제작한 이 센서는 “실수, 의도, 놀라움” 같은 심리 상태를 감지해 더 가치 있는 데이터셋을 구축하는 것이 목적이다. Encord의 로봇 학습 부문 책임자 Vineeth Velmurugan은 영상만으로 훈련할 경우 실세계 데이터의 정밀도가 부족하다며, 병목을 돌파하려면 유튜브 전체 영상 분량의 약 5배에 달하는 데이터셋이 필요할 것으로 추산했다. 이는 데이터 생성 자체가 단순한 연구 과제가 아니라 독립적인 비즈니스 모델로 발전해가고 있음을 반영한다.

“데이터"가 “모델 아키텍처"보다 더 희소해진 지금, 빌더라면 손에 쥔 훈련 데이터가 실세계 시나리오에 얼마나 가까운지 다시 점검해볼 만하다.

📅 원문 정보

🔗 더 읽어보기