다이나 로보틱스, 인간 행동 영상 100만 시간 학습한 로봇 모델 'DYNA-2' 공개

로봇에게 새로운 동작을 가르치는 일은 늘 고된 노가다였습니다. 엔지니어가 직접 VR 헤드셋을 쓰고 원격 제어를 하거나 교시 장치를 붙잡고 수천 번 동작을 반복해야만 학습 데이터를 모을 수 있었기 때문입니다.

미국 캘리포니아 레드우드시티에 본사를 둔 다이나 로보틱스가 8월 10일 이 병목을 해결할 물리 파운데이션 모델 DYNA-2를 공개했습니다. 사전 학습 단계에서 실제 로봇 데이터를 단 하나도 쓰지 않고, 오직 인간이 일하는 1인칭 영상만 보고 물리적 직관을 학습시킨 모델입니다.

인간의 170년치 경험을 보고 배운 물리 법칙

DYNA-2는 차세대 월드 액션 모델(World-Action Model) 구조로 설계되었습니다. 학습에 투입된 데이터는 100만 시간이 넘는 인간의 1인칭 시점 행동 영상으로, 한 사람이 쉬지 않고 170년 동안 세상을 경험한 분량에 해당합니다.

영상 속에는 빨래 개기, 요리, 청소, 물건 조립 같은 일상적인 손작업이 고스란히 담겼습니다. 시스템은 물체의 생김새만 외우는 것이 아니라, 사람의 손길이 닿을 때 물체가 어떻게 반응하고 주변 환경이 어떻게 변하는지 다음 프레임 예측 방식으로 학습했습니다.

흥미로운 점은 스케일링 법칙이 로봇 데이터에도 적용된다는 사실을 입증했다는 것입니다. 인간 영상 데이터의 학습량을 늘릴수록 이전에 본 적 없는 로봇 하드웨어에 대한 적응력도 함께 높아졌습니다. 실전 배치 시 단 몇 시간의 국소 미세조정만 거치면 새로운 로봇 몸체에 곧바로 이식할 수 있습니다.

다이나 로보틱스에 따르면 이 같은 비디오 공동 학습 방식을 통해 복잡한 물리 명령을 수행하는 지시 이행 성능이 133% 향상되었습니다.

물류 창고부터 호텔 청소, 주방 배식까지

이 두뇌를 얹은 물리 에이전트 Dyna-2.1은 실제 산업 현장의 장기 연속 작업에 투입되고 있습니다.

물류 및 풀필먼트 현장에서는 처음 보는 상품을 포함해 시간당 200개의 물품을 집어 올리고 검수, 배치, 박스 테이핑까지 해냅니다. 라벨과 바코드 방향을 정확히 맞추는 배치 오차는 ±2mm 수준입니다.

호텔 객실 청소에서는 체크아웃된 방을 다른 인력의 개입 없이 로봇 혼자 22분 만에 입실 준비 완료 상태로 되돌려 놓으며, 브랜드 기준 점검 통과율은 97% 이상을 기록했습니다. 외식 조리 현장에서도 시간당 100접시의 밥과 고기, 반찬을 소분해 담아내며 접시당 40초 미만으로 서빙 준비를 마칩니다.

또한 작업 중 문제가 생기면 멈춰 서서 오류를 뱉는 기존 산업용 암과 달리, 실시간 오류 복구 기능을 통해 미끄러지거나 놓친 물건을 즉각 고쳐 쥐고 작업을 이어갑니다.

왜 중요한가

피지컬 AI 분야에서 가장 큰 걸림돌은 알고리즘이 아니라 극도로 비싼 로봇 조작 데이터였습니다. 새로운 형태의 하드웨어나 작업이 생길 때마다 수만 시간의 원격 조종 데이터를 다시 쌓아야 한다면 범용 로봇의 상용화는 요원할 수밖에 없습니다.

우리는 다이나 로보틱스가 매우 현명한 우회로를 찾았다고 봅니다. 물리적 상식과 공간적 인과관계를 인터넷에 널려 있는 인간의 1인칭 영상으로 해결하고, 로봇 하드웨어 적응을 몇 시간짜리 가벼운 파인튜닝으로 축소했습니다. 덕분에 물류, 호텔, 제조 공장이 로봇을 도입하는 문턱이 획기적으로 낮아질 수 있습니다.

물론 한계도 명확합니다. 시각 영상만으로는 손끝에 가해지는 마찰력이나 미세한 압력 감각까지 온전히 익히기 어렵습니다. 깨지기 쉬운 물체를 다루거나 정밀한 힘 조절이 필요한 작업에서는 하드웨어 튜닝의 숙제가 여전히 남습니다. 그럼에도 인간의 일상을 관찰하는 것만으로 로봇에게 현실 세계의 물리 법칙을 가르칠 수 있음을 증명했다는 점에서 업계에 던지는 울림은 매우 큽니다.