제너럴리스트, 물리 AI 모델 GEN-1 공개: 로봇 작업 성공률 99% 달성

그동안 휴머노이드나 로봇 조작 데모 영상을 볼 때 많은 사람들은 답답한 마음에 2배속 버튼을 누르곤 했다. 게다가 조금만 낯선 상황을 마주해도 멈춰 서기 일쑤였다.

실제 물류 창고나 제조 라인에서 세 번 중 한 번 꼴로 실수를 범하는 로봇은 짐에 불과하다. 이것이 바로 수많은 피지컬 AI 모델들이 실험실 데모에만 머물고, 현장에서는 정해진 궤적만 반복하는 산업용 로봇 팔이 쓰여온 이유다.

미국 샌마테오의 로봇 스타트업 제너럴리스트가 피지컬 파운데이션 모델 GEN-1을 공개했다. 회사 측에 따르면 이전 세대 모델에서 평균 64%에 그쳤던 단순 물리 작업의 성공률을 99%까지 끌어올렸으며, 작업 완수 속도 역시 기존 최고 수준 대비 약 3배 빨라졌다.

무엇보다 새로운 작업에 적응하는 데 필요한 실제 로봇 데이터는 단 1시간 분량에 불과하다.

3배 빨라진 속도와 돌발 상황을 수습하는 애드리브 능력

기존 공장 로봇은 빠르고 정확하지만 환경이 조금만 바뀌어도 무용지물이 된다. 제너럴리스트는 이번 GEN-1의 핵심을 신뢰성, 속도, 그리고 임기응변 지능의 결합으로 정의했다.

실제 시연에서 GEN-1은 사람의 개입 없이 박스 접기 200회 이상, 로봇 청소기 부품 정비 200회 이상, 블록 포장 1800회 이상을 연속으로 성공시켰다. 사전 학습이 없던 초기 모델의 성공률이 19%, 전작인 GEN-0가 64%였던 것과 비교하면 99%는 상용화 기준선에 도달한 수치다.

작업 속도도 현실적인 수준으로 올라왔다. 박스 하나를 조립하는 데 전작인 GEN-0와 피지컬 인텔리전스의 pi-0는 약 34초가 걸렸지만, GEN-1은 12.1초 만에 해치웠다. 스마트폰을 패키지에 담는 작업 역시 15.5초 만에 끝냈다.

특히 눈에 띄는 것은 돌발 상황 대처 능력이다. 부품을 집어 올리다 미끄러져 파지가 어긋나면 작업을 멈추는 대신, 물건을 다시 내려놓고 잡거나 작업대 턱을 이용해 각도를 바꾸고, 심지어 반대편 로봇 손을 가져와 양손으로 고쳐 잡는 모습을 보여준다.

50만 시간의 인간 데이터가 만든 1시간의 적응력

로봇 학습의 가장 큰 병목은 원격 조작 데이터 수집이었다. 사람이 조종 장치를 쥐고 로봇 팔을 수천 번씩 직접 움직여 줘야 했기에 비용도 비싸고 속도도 느렸다.

제너럴리스트는 완전히 다른 길을 택했다. GEN-1의 기본 사전 학습에는 로봇 데이터를 단 한 줄도 쓰지 않았다. 대신 사람이 저비용 웨어러블 장비를 착용하고 일상과 다양한 활동을 수행한 50만 시간 이상의 데이터를 활용했다.

물리 세계의 법칙과 손동작의 감각을 사람의 시점에서 먼저 학습시켰기 때문에, 특정 로봇 하드웨어에 올라가 새로운 작업을 배울 때는 단 1시간 안팎의 로봇 데이터만 있으면 충분하다. 일부 테스트에서는 이전 세대와 동일한 성능을 내는 데 필요한 미세조정 데이터와 스텝 수가 10분의 1로 줄었다.

왜 중요한가

우리는 GEN-1이 피지컬 AI를 연구실의 기술 시연 단계에서 실제 공장의 손익계산서 영역으로 끌어올린 분기점이라고 본다.

작업 실패율이 30%를 넘는 시스템은 현장에 도입할 수 없지만, 99%의 성공률과 3배 빠른 작업 속도는 물류 패키징이나 단순 조립 라인에서 상용 배치를 검토할 수 있는 최소한의 조건을 만족시킨다. 여기에 1시간 만에 새로운 하드웨어와 작업을 익힐 수 있는 유연성은 대규모 엔지니어링 팀이 없는 사업장에도 도입 문턱을 크게 낮춰준다.

산업 전반으로 보면, 비싼 원격 조작 인프라 대신 인간 중심의 행동 데이터를 대규모로 사전 학습시키는 방식이 유효함을 입증했다는 점이 중요하다. 언어 모델이 GPT-2에서 GPT-3로 넘어가며 상용 가치를 증명했던 과정과 닮아 있다.

물론 한계는 분명하다. 제너럴리스트가 밝혔듯 현재 모델이 모든 물리 작업을 다 해결할 수 있는 것은 아니며, 반도체나 완성차 라인처럼 무결점을 요구하는 공정에서 99%는 여전히 부족한 수치다. 하지만 물리 세계에서도 스케일링 법칙이 작동한다는 것을 실제 수치로 증명해 냈다는 점에서, 현실 배치까지의 거리는 눈에 띄게 좁혀졌다.