저자: brianbreslow , Hypersphere Ventures
편집자: Tim, PANews
요약
- 인간형 범용 로봇은 공상과학에서 현실로 빠르게 진화하고 있습니다. 하드웨어 비용의 하락, 자본 투자 증가, 그리고 동작 및 조작 분야의 기술적 혁신이 융합되어 컴퓨팅 분야의 차세대 주요 플랫폼 개발을 주도하고 있습니다.
- 컴퓨팅 성능과 하드웨어 장비의 상품화가 확대되면서 로봇 공학은 저비용의 이점을 얻었지만, 이 산업은 여전히 훈련 데이터의 병목 현상으로 인해 제약을 받고 있습니다.
- Reborn은 탈중앙화 형 물리 AI(DePAI)를 활용하여 고정밀 동작 및 합성 데이터를 크라우드소싱하고 로봇 기반 모델을 구축하는 몇 안 되는 프로젝트 중 하나로, 휴머노이드 로봇의 도입을 앞당길 수 있는 독보적인 입지를 확보하고 있습니다. 이 프로젝트는 UC 버클리, 코넬, 하버드, 애플 등에서 학술 연구 및 교수직을 역임한 기술적으로 뛰어난 창립팀이 이끌고 있으며, 학문적 우수성과 실제 엔지니어링 실행 능력을 모두 입증하고 있습니다.
인간형 로봇: 공상과학에서 최첨단 응용 분야까지
로봇 기술의 상용화는 새로운 개념이 아닙니다. 2002년에 상장 아이로봇 룸바 진공청소기나 최근 몇 년 동안 등장한 카사 반려동물 카메라 등 가정용 로봇은 모두 단일 기능 기기입니다. 인공지능의 발전과 함께 로봇은 단일 기능 기기에서 개방형 환경에 적응하도록 설계된 다기능 기기로 진화하고 있습니다.
앞으로 5~15년 안에 인간형 로봇은 청소, 요리와 같은 기본적인 업무에서 점차 업그레이드되어 결국 접수 서비스, 소방, 심지어 수술과 같은 복잡한 업무도 수행할 수 있게 될 것입니다.
최근의 기술 발전으로 인해 인간형 로봇이 공상과학에서 현실로 옮겨가고 있습니다.
- 시장 동태: 100개 이상의 회사가 인간형 로봇을 개발할 계획입니다(예: 테슬라, 유슈 테크놀로지, 피겨 AI, 클론, 애자일 등).
- 하드웨어 기술은 언캐니 밸리(uncanny valley)를 성공적으로 돌파했습니다. 차세대 휴머노이드 로봇은 자연스럽고 부드러운 움직임을 통해 실제 환경에서 인간과 같은 상호작용을 가능하게 합니다. 그중 위슈 H1의 보행 속도는 초당 3.3미터에 달하며, 인간의 평균 보행 속도인 초당 1.4미터를 훨씬 능가합니다.
(참고: 불쾌한 골짜기(Uncanny Valley)는 인간이 비인간적인 존재(로봇, 인형, 가상 이미지 등)에 대해 보이는 감정적 반응을 설명하는 심리학 이론입니다.
- 인간형 로봇 비용의 새로운 패러다임: 2032년까지 미국 노동 임금보다 낮아질 것으로 예상됩니다.
개발 병목 현상: 실제 교육 데이터
인간형 로봇 분야에는 긍정적인 요소가 분명히 존재하지만, 데이터 품질이 낮고 부족하여 대규모 배치에는 여전히 어려움이 있습니다.
자율주행과 같은 다른 AI 시스템들은 기존 차량에 설치된 카메라와 센서를 통해 데이터 문제를 상당 부분 해결해 왔습니다. 테슬라, 웨이모, 그리고 다른 자율주행 시스템들을 예로 들어 보겠습니다. 이러한 자율주행 시스템들은 수십억 마일에 달하는 실제 도로 주행 데이터를 생성할 수 있습니다. 웨이모가 개발 단계에서 차량을 도로에 투입할 때, 실시간 훈련을 위해 실제 사람이 조수석에 탑승합니다.
하지만 소비자들은 "로봇 보모"의 존재를 받아들이지 않을 가능성이 높습니다. 로봇은 처음부터 고성능을 갖춰야 하므로, 배포 전 데이터 수집이 필수적입니다. 모든 훈련은 상업 생산 전에 완료되어야 하며, 데이터의 규모와 품질은 여전히 지속적인 과제로 남아 있습니다.
각 학습 모델에는 자체적인 스케일 단위(예: 대규모 언어 모델의 토큰, 이미지 생성기의 비디오-텍스트 쌍, 로봇공학의 모션 클립)가 있지만, 아래 비교에서는 로봇공학의 데이터 가용성에 엄청난 차이가 있음을 명확히 보여줍니다.
- GPT-4의 훈련 데이터 크기는 15조 개의 텍스트 태그 초과합니다.
- Midjourney와 Sora는 수십억 개의 레이블이 지정된 비디오-텍스트 쌍을 활용합니다.
- 비교해 보면, 가장 큰 로봇 데이터 세트에는 약 240만 개의 상호작용 기록만 포함되어 있습니다.
이러한 격차는 로봇공학이 아직 대규모 언어 모델과 같은 진정한 기초 모델을 달성하지 못한 이유를 설명하는데, 핵심은 데이터 기반이 여전히 불완전하다는 것입니다.
기존의 데이터 수집 방식으로는 인간형 로봇 훈련 데이터의 대규모 요구 사항을 충족하기 어렵습니다. 기존 방법은 다음과 같습니다.
- 시뮬레이션: 비용은 낮지만 실제 경계 시나리오(시뮬레이션과 현실 간의 격차)가 부족함
- 인터넷 동영상: 로봇 학습에 필요한 고유감각 및 힘 피드백 환경을 제공할 수 없음
- 실제 데이터: 정확하지만 원격 제어와 인간의 폐쇄 루프 작업이 필요하므로 비용이 많이 들고(로봇당 4만 달러 이상) 확장성이 부족합니다.
가상 환경에서 모델을 학습하는 것은 비용이 저렴하고 확장성이 뛰어나지만, 이러한 모델은 현실 세계에 배포할 때 종종 어려움을 겪습니다. 이 문제를 Sim2Real 갭(Sim2Real gap)이라고 합니다.
예를 들어, 시뮬레이션으로 훈련된 로봇은 빛이 완벽하게 비치고 매끄러운 물체는 쉽게 감지할 수 있지만, 어수선함, 울퉁불퉁한 질감 또는 인간이 현실 세계에서 당연하게 여기는 종류의 예상치 못한 상황 대면 가 많습니다.
Reborn은 로봇 훈련을 강화하고 "Sim2Real 격차" 문제를 해결하기 위해 실제 데이터를 크라우드소싱하는 비용 효율적이고 빠른 방법을 제공합니다.
Reborn: 탈중앙화 형 엔터티 AI를 위한 풀스택 비전
리본(Reborn)은 체현형 지능형 로봇 애플리케이션을 위한 수직 통합 소프트웨어 및 데이터 플랫폼을 구축하고 있습니다. 회사의 핵심 목표는 휴머노이드 로봇 분야의 데이터 병목 현상 해결이지만, 그 이상의 비전을 가지고 있습니다. 리본은 자체 개발한 하드웨어, 멀티모달 시뮬레이션 인프라, 그리고 기본 모델을 결합하여 체현형 지능 분야의 풀스택 선도 기업으로 자리매김할 것입니다.
리본 플랫폼은 독자적인 소비자용 모션 캡처 장치 "리보캡(ReboCap)"을 기반으로 빠르게 성장하는 증강 현실 및 가상 현실 게임 생태계를 구축합니다. 사용자들은 네트워크 인센티브와 보상을 받는 대가로 고품질 모션 데이터를 제공하며, 이를 통해 플랫폼의 지속적인 발전을 촉진합니다. 리본은 리보캡 장치를 5,000대 이상 판매했으며, 월간 활성 사용자 수는 16만 명에 달합니다. 또한 연말까지 사용자 수 200만 명을 돌파할 수 있는 확실한 성장 궤도를 구축했습니다.
Reborn은 다른 솔루션보다 훨씬 더 높은 효율성으로 데이터 수집을 지원합니다.
주목할 점은 이러한 성장이 전적으로 자연스러운 발전에 기인한다는 것입니다. 사용자들은 게임 자체의 재미에 매료되고, 앵커들은 ReboCap을 사용하여 디지털 이미지의 실시간 신체 캡처를 수행합니다. 이러한 자발적인 선순환은 확장 가능하고 저비용이며 충실도가 높은 데이터 생성을 가능하게 했으며, Reborn 데이터 세트는 최고의 로봇 회사들이 도입하기 위해 경쟁하는 훈련 리소스가 되었습니다.
ReBorn 소프트웨어 스택의 두 번째 계층은 Roboverse입니다. Roboverse는 분산된 시뮬레이션 환경을 통합하는 멀티모달 데이터 플랫폼입니다. 현재 시뮬레이션 분야는 Mujoco와 NVIDIA Isaac Lab과 같은 도구들이 독립적으로 운영되면서 고도로 분산되어 있으며, 각 도구는 고유한 장점을 가지고 있지만 서로 통신할 수 없습니다. 이러한 분산화는 개발 속도를 저하시키고 시뮬레이션과 현실 간의 격차를 심화시켰습니다. Roboverse는 여러 시뮬레이터를 표준화하여 로봇 모델을 개발하고 평가할 수 있는 공유 가상 인프라를 구축합니다. 이러한 통합은 일관된 벤치마킹을 지원하여 시스템의 확장성과 일반화 기능을 크게 향상시킵니다.
Roboverse는 원활한 협업을 실현합니다. 전자는 대규모 실제 데이터를 수집하고, 후자는 모델 학습을 위한 시뮬레이션 환경을 구축합니다. 이 두 가지가 함께 협력하여 Reborn의 분산형 물리 지능 네트워크의 진정한 강점을 보여줍니다. 이 플랫폼은 단순한 데이터 수집을 넘어 실제 모델 배포 및 상업적 허가 분야까지 기능을 확장하는 물리 인공지능 개발자 생태계를 구축하고 있습니다.
리본 기본 모델
리본 기술 스택에서 가장 중요한 구성 요소는 리본 파운데이션 모델(RFM)일 것입니다. 최초의 로봇 기반 모델 중 하나인 이 모델은 새롭게 부상하는 물리적 AI 인프라의 핵심 시스템으로 구축되고 있습니다. 이 모델의 포지셔닝은 OpenAI의 GPT-4나 Meta의 Llama와 같은 기존의 대규모 언어 기반 모델과 유사하지만, 로봇 분야를 위한 것입니다.
재탄생한 기술 스택
Reborn 기술 스택의 세 가지 핵심 구성 요소(ReboCap 데이터 플랫폼, Roboverse 시뮬레이션 시스템, RFM 모델 권한 부여 메커니즘)는 견고한 수직 통합 기반을 구축합니다. 크라우드소싱된 모션 데이터와 강력한 시뮬레이션 시스템 및 모델 권한 부여 시스템을 결합하여 Reborn은 교차 시나리오 일반화 기능을 갖춘 기본 모델을 학습할 수 있습니다. 이 모델은 산업, 소비자 및 연구 분야의 다양한 로봇 애플리케이션을 지원하고, 방대하고 다양한 데이터 환경에서 보편적으로 활용될 수 있습니다.
리본은 기술 상용화를 적극적으로 추진하고 있으며, 갈봇(Galbot)과 노매트릭스(Noematrix)와 유료 시범 프로젝트를 시작하고, 유니트리(Unitree), 부스터 로보틱스(Booster Robotics), 스위스 마일(Swiss Mile), 애자일 로봇(Agile Robots)과 전략적 파트너십을 구축하고 있습니다. 중국 휴머노이드 로봇 시장은 빠르게 성장하고 있으며, 세계 시장의 약 32.7%를 차지합니다. 특히 위슈 테크놀로지(Yushu Technology)는 세계 4족 로봇 시장의 60% 이상 점유율 점유하고 있으며, 2025년까지 1,000대 이상 생산을 계획하는 6개 중국 제조업체 중 하나입니다.
물리적 AI 기술 스택에서 암호화폐의 역할
Crypto는 물리적 세계 AI를 위한 완전한 수직 스택을 구축하고 있습니다.
Reborn은 AI를 구현한 선도적인 암호화폐 프로젝트입니다.
이 프로젝트들은 물리적 인공지능 스택의 서로 다른 레벨에 속하지만, 한 가지 공통점이 있습니다. 바로 100% DePAI 기반 프로젝트라는 것입니다. DePAI는 전체 기술 스택에 걸쳐 토큰 인센티브를 활용하여 개방적이고, 구성 가능하며, 허가가 필요 없는 확장 메커니즘을 구축합니다. 이러한 혁신이 물리적 인공지능의 탈중앙화 개발을 현실로 만듭니다.
리본(Reborn)은 아직 토큰을 발행하지 않았지만, 업무 의 유기적 성장은 더욱 가치 있습니다. 토큰 인센티브 메커니즘이 공식 출시되면 DePAI 플라이휠 효과의 핵심 고리로서 네트워크 참여가 가속화될 것입니다. 리본(Reborn) 하드웨어 장치(리보캡(ReboCap) 수집기)를 구매하는 사용자는 프로젝트로부터 인센티브를 받을 수 있으며, 로봇 연구개발(R&D) 기업들은 리보캡(ReboCap) 보유자에게 기여 보상을 지급합니다. 이러한 이중 인센티브는 더 많은 사람들이 리보캡(ReboCap) 장치를 구매하고 사용하도록 장려할 것입니다. 동시에, 프로젝트는 고부가가치 맞춤형 행동 데이터 수집에 대한 인센티브를 제공하여 시뮬레이션과 실제 애플리케이션(Sim2Real) 간의 기술적 격차를 더욱 효과적으로 해소할 것입니다.
Reborn의 DePAI 플라이휠이 움직이고 있습니다.
로봇 공학 분야의 "ChatGPT 모멘텀"은 로봇 공학 기업 자체에서 촉발되지 않을 것입니다. 하드웨어 구축이 소프트웨어보다 훨씬 복잡하기 때문입니다. 로봇 공학 기술의 폭발적인 성장은 비용, 하드웨어 가용성, 그리고 구축 복잡성에 의해 제한되는 것이 당연하며, ChatGPT와 같은 순수 디지털 소프트웨어에는 이러한 장애물이 전혀 존재하지 않습니다.
인간형 로봇의 전환점은 시제품의 놀라운 성능이 아니라, 스마트폰이나 컴퓨터의 대중화처럼 대중이 감당할 수 있는 수준으로 가격이 낮아지는 시점입니다. 가격이 낮아지면 하드웨어는 단순한 진입장벽이 될 것이며, 진정한 경쟁 우위는 데이터와 모델, 특히 기계를 훈련하는 데 사용되는 모터 지능의 규모, 품질, 그리고 다양성에 있습니다.
결론
로봇 플랫폼 혁명은 멈출 수 없지만, 모든 플랫폼과 마찬가지로 확장 가능한 개발은 데이터 지원과 분리될 수 없습니다. 고레버리지 투자 기업인 리본(Reborn)은 암호화폐 기술이 AI 로봇 기술 스택의 가장 중요한 간극을 메울 수 있다고 확신합니다. 리본의 로봇 데이터 솔루션 DePAI는 비용 효율적이고 확장성이 뛰어나며 모듈 입니다. 로봇 기술이 AI의 차세대 프런티어로 부상함에 따라, 리본은 일반 대중을 동작 데이터의 "광부"로 만들고 있습니다. 대규모 언어 모델에 텍스트 태그 지원이 필요한 것처럼, 휴머노이드 로봇에는 방대한 동작 시퀀스 훈련이 필요합니다. 리본을 통해 우리는 마지막 병목 현상을 극복하고 공상과학에서 현실로 인간형 로봇의 도약을 실현할 것입니다.
