피지컬 인텔리전스, 범용 로봇 파운데이션 모델 'π0' 공개…빨래 개기·테이블 정리 자율 수행

AI가 체스 챔피언을 꺾고 단백질 구조를 예측하는 시대가 되었지만, 구겨진 티셔츠를 개거나 식탁을 치우는 일은 여전히 기계에게 가장 어려운 숙제로 남아 있습니다. 흔히 말하는 모라벡의 역설입니다.

로봇 스타트업 피지컬 인텔리전스(Physical Intelligence)는 10월 31일, 지난 8개월간 개발해 온 범용 로봇 파운데이션 모델 π0(파이-제로)를 공개하며 이 문제에 정면으로 도전했습니다.

3B VLM과 초당 50회 연속 모터 제어의 결합

기존 산업용 로봇은 공장 라인에서 지정된 위치를 반복해서 용접하는 데 특화된 기계에 가깝습니다. 집안처럼 물건이 제멋대로 놓인 환경에서는 제대로 작동하지 못하고, 로봇이나 작업이 바뀔 때마다 방대한 데이터를 처음부터 다시 수집해야 했습니다.

π0는 대형 언어 모델의 성공 공식을 물리 세계로 가져왔습니다. 연구진은 30억 파라미터 규모의 사전 학습된 시각 언어 모델(VLM)을 기반으로 삼아 인터넷 규모의 이미지와 텍스트를 통해 물리적 공간과 상식에 대한 이해를 먼저 심었습니다.

핵심은 언어 토큰 대신 모터 명령을 내보내는 방식입니다. 연구진은 디퓨전 모델의 변형인 플로우 매칭(flow matching) 기술을 적용해 로봇 관절을 움직이는 연속적인 저수준 모터 명령을 초당 최대 50회 속도로 직접 출력하도록 만들었습니다.

학습 데이터로는 오픈소스 로봇 데이터뿐 아니라 완전히 다른 8가지 형태의 로봇에서 수집한 고난도 작업 데이터를 결합했습니다. 전원 플러그 꽂기, 케이블 정리, 포장 박스 조립 등 손재주가 필요한 다양한 동작이 포함되었습니다.

방해를 받아도 스스로 복구하는 빨래 개기

특정 작업을 위해 고품질 데이터로 미세 조정한 π0는 기존 로봇 시스템이 해내지 못했던 동작을 매끄럽게 수행했습니다.

빨래 개기 시연에서 로봇은 건조기에서 엉킨 옷을 꺼내 테이블로 가져온 뒤 단정하게 접어 쌓았습니다. 편집 없는 연속 영상에서 연구원이 중간에 옷을 흐트러뜨리며 방해해도 로봇은 상황을 다시 파악하고 스스로 작업을 이어갔습니다.

식탁을 치우는 작업에서는 접시 위의 쓰레기를 휴지통에 먼저 털어낸 뒤 수거함에 넣거나, 접시 여러 개를 포개어 한 번에 옮기는 등 사전에 정해지지 않은 효율적인 행동 패턴을 스스로 보였습니다. 학계의 대표적 모델인 OpenVLA나 Octo와 비교한 다단계 복합 작업 평가에서도 현저히 앞선 성능을 기록했습니다.

왜 중요한가

로봇 산업은 수십 년 동안 개별 하드웨어와 개별 작업마다 맞춤형 알고리즘을 짜야 하는 비효율에 갇혀 있었습니다.

우리는 π0가 입증한 가장 중요한 가치가 언어 모델의 사전 학습 및 사후 미세 조정 구조가 물리 로봇 제어에서도 그대로 통한다는 점을 보여준 데 있다고 봅니다. 다양한 로봇의 데이터로 물리 법칙을 미리 학습해 두면, 새로운 환경에 투입할 때 아주 적은 양의 데이터만으로도 고난도 기술을 익힐 수 있기 때문입니다.

다만 당장 일반 소비자가 가사 도우미 로봇을 구매할 수 있는 단계는 아닙니다. 초당 50회의 모터 명령을 실시간으로 추론하는 데 드는 연산 비용과 값비싼 양팔 로봇 하드웨어의 가격 장벽은 여전히 높습니다.

그럼에도 불구하고 업계의 경쟁 축은 명확히 바뀌고 있습니다. 하드웨어 튜닝 중심이던 로봇 공학이 인간의 언어를 알아듣고 물리적 현실을 이해하는 파운데이션 모델 경쟁으로 전환되는 분기점이 시작된 셈입니다.