보스턴 다이내믹스, 로봇개 '스팟'에 ChatGPT 탑재해 말하는 가이드로 변신

보스턴 다이내믹스가 4족 보행 로봇 스팟(Spot)에 콧수염과 플라스틱 눈알을 붙이고 ChatGPT의 두뇌를 얹었습니다.

보스턴 다이내믹스의 수석 소프트웨어 엔지니어 맷 클링언스미스(Matt Klingensmith) 연구팀은 최근 대형 파운데이션 모델을 로봇 자율성에 접목한 개념 검증 프로젝트를 공개했습니다. 이미 뛰어난 운동 신경을 가진 스팟에 OpenAI의 ChatGPT와 여러 상용 AI 모델을 결합해 사내 안내 가이드 로봇을 만든 것입니다.

파이썬 코드를 완성하듯 로봇을 조종하다

개발팀은 로봇 전용 모델을 밑바닥부터 새로 훈련하는 대신, 기존에 나와 있는 강력한 도구들을 영리하게 조립했습니다.

하드웨어는 스팟 본체에 3D 프린터로 제작한 방진 마운트를 올리고 마이크 어레이인 ReSpeaker V2를 장착했습니다. 로봇 팔 그리퍼에는 인형 눈과 의상을 붙이고, 음성 신호의 저주파수를 분석해 사람처럼 입을 뻐끔거리며 말하는 연출도 더했습니다.

두뇌 역할을 맡은 모델은 GPT-3.5로 시작해 GPT-4로 업그레이드했습니다. 마이크로소프트의 방식에서 힌트를 얻어, ChatGPT가 마치 파이썬 스크립트의 다음 줄을 작성하는 것처럼 프롬프트를 구성했습니다. 로봇이 수행할 수 있는 동작은 특정 위치로 이동하기, 말하기, 질문하기의 세 가지 함수로 단순화했습니다.

주변 환경 인식에는 시각 언어 모델인 BLIP-2를 활용해 1초마다 카메라 영상을 텍스트로 요약해 프롬프트에 넣었습니다. 관람객의 음성은 OpenAI의 Whisper로 받아적고, 답변 출력에는 일레븐랩스(ElevenLabs)의 음성 합성 서비스를 사용했습니다.

엉뚱한 임기응변과 6초의 지연 시간

실제 테스트에서는 기대 이상의 흥미로운 반응들이 나타났습니다.

창업자인 "마크 레이버트(Marc Raibert)가 누구냐"는 질문을 받자, 스팟은 "잘 모르겠으니 IT 헬프데스크에 가서 물어보자"고 답한 뒤 실제 사내 지원 데스크로 사람들을 데려갔습니다. 부모가 누구냐는 질문에는 전시 공간으로 걸어가 구형 빅독(BigDog)과 1세대 스팟을 자신의 선조라고 소개했습니다.

성격을 빈정대는 말투로 설정하자 투어 내내 비꼬는 캐릭터를 유지했고, 사무실을 돌아다니며 지나가는 직원들에게 미확인 생물인 빅풋을 본 적이 있냐고 묻기도 했습니다.

하지만 명확한 한계도 드러났습니다. 질문을 듣고 답변을 시작하기까지 약 6초의 지연 시간이 발생했습니다. 또한 물류 로봇인 스트레치(Stretch)를 두고 요가용 로봇이라고 소개하는 등 전형적인 할루시네이션(환각) 문제도 발생했습니다.

왜 중요한가

우리는 보스턴 다이내믹스가 피지컬 AI 분야에서 매우 현실적이고 똑똑한 지름길을 택했다고 봅니다. 복잡한 신경망을 로봇 하드웨어와 밑바닥부터 결합하는 대신, 이미 검증된 운동 제어 SDK 위에 기성 멀티모달 API를 오케스트레이터로 얹어 상식과 상황 판단력을 단숨에 확보했기 때문입니다.

특히 엄격한 정확도 대신 다소의 과장이나 유머가 허용되는 투어 가이드 시나리오를 택한 점도 현재 생성형 AI의 강점을 잘 살린 영리한 선택입니다.

하지만 산업 현장 적용 관점에서 보면 풀어야 할 숙제가 뚜렷합니다. 6초에 달하는 지연 시간은 즉각적인 반응이 필요한 작업 환경에서 치명적이며, 클라우드 연결에 전적으로 의존하는 구조는 네트워크가 끊기거나 외부 API에 장애가 생기면 로봇 전체가 멈추는 위험을 안고 있습니다. 엔터테인먼트 쇼케이스로서는 훌륭하지만, 진정한 산업용 자율 로봇으로 발전하기 위해서는 온디바이스 처리와 안전 통제 장치가 반드시 뒤따라야 할 것으로 보입니다.