얀 르쿤의 AMI랩스, 로봇에 '미래 예측 능력' 심는다 작성일 10-14 56 목록 <div id="layerTranslateNotice" style="display:none;"></div> <strong class="summary_view" data-translation="true">쿠엔틴 가리도 연구원, 월드모델·VLA 결합 제안…로봇 작업 성공률 70% 연구 사례 소개</strong> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="tkzARpAiaJ"> <p contents-hash="89e222f708f2f4c1df054a5697d6a12b6a7283af07972f7524e516860a2294ee" dmcf-pid="FEqceUcnjd" dmcf-ptype="general">(지디넷코리아=김동원 기자)로봇이 실제 제조 현장에서 스스로 판단하고 움직이려면 행동의 결과를 미리 예측하는 '월드모델'과 빠르게 동작을 결정하는 인공지능(AI)을 결합해야 한다는 제안이 나왔다.</p> <p contents-hash="48e409646016f4ce007fbda819d70bd4d7d193cb42cbaf3cfea5c448f7aff298" dmcf-pid="3YeywQyOce" dmcf-ptype="general">쿠엔틴 가리도(Quentin Garrido) AMI랩스 연구원은 14일 서울 코엑스에서 열린 '피지컬 AI 테크 위크'에서 월드모델 예측 능력을 실제 로봇 행동으로 연결하는 기술이 중요하다고 강조했다. 미래 상황을 정확하게 예측하는 것만으로는 부족하며 그 예측을 활용해 로봇이 스스로 작업을 수행하도록 만들어야 한다는 주장이다.</p> <p contents-hash="46a5295f621d408b16a2b4b7bba1bdef39b804d1d34bd7d6bb6daddac9622294" dmcf-pid="0GdWrxWINR" dmcf-ptype="general">AMI랩스는 얀 르쿤 전 메타 수석 AI 과학자가 공동 설립한 AI 연구기업이다. 거대언어모델(LLM) 중심 기존 접근법과 달리 물리 세계의 움직임과 변화를 이해하고 미래 상황을 예측하는 월드모델 개발에 주력하고 있다.</p> <figure class="figure_frm origin_fig" contents-hash="98f7ef0aab4d99c8cdc6c522b500319cfb84649bf8375f7bd0e851c4c411f11d" dmcf-pid="pHJYmMYCjM" dmcf-ptype="figure"> <p class="link_figure"><img alt="쿠엔틴 가리도 AMI랩스 연구원은 ”월드모델 예측 능력을 실제 로봇 행동으로 연결하는 기술이 중요하다”고 밝혔다. (사진=지디넷코리아)" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202610/14/ZDNetKorea/20261014170058623rxwu.jpg" data-org-width="639" dmcf-mid="1tjFvoFYAi" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202610/14/ZDNetKorea/20261014170058623rxwu.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 쿠엔틴 가리도 AMI랩스 연구원은 ”월드모델 예측 능력을 실제 로봇 행동으로 연결하는 기술이 중요하다”고 밝혔다. (사진=지디넷코리아) </figcaption> </figure> <p contents-hash="2c7608d4bbb72593a97b6f7db9161e0da67044d4a88d8ce0349ed93d91da00ef" dmcf-pid="UXiGsRGhjx" dmcf-ptype="general"><span>월드모델은 AI가 주변 환경을 이해하고 특정 행동에 따라 어떤 변화가 발생할지 예측하는 기술이다. 로봇이 움직이기 전에 여러 행동의 결과를 검토하고 목표 달성에 적합한 동작을 선택하는 데 활용할 수 있다.</span></p> <p contents-hash="ee2f6ba3870f300184448d925160090d7bdf52e0dfa392cf972b37c93f9f2f55" dmcf-pid="uZnHOeHlNQ" dmcf-ptype="general">이날 강연에서는 로봇 작업을 여러 단계로 나눠 계획해 물체를 집어 옮기는 실험의 성공률을 0%에서 70%로 높인 기존 연구 결과도 소개됐다. 로봇이 목표를 향해 한 번에 움직이는 대신 중간에 필요한 동작을 나눠 수행하도록 한 결과다.</p> <p contents-hash="f44d4e6646707e4d79242a47df58ad23022d4bf37558f0540d3d0044ddc5ba7d" dmcf-pid="75LXIdXSgP" dmcf-ptype="general"><strong>"물리 세계는 텍스트가 아니다"…행동 결과 예측하는 월드모델</strong></p> <p contents-hash="f33e548b6c5f1471bc831bfcc28fb96efb9211545cf8786ba7ea984a2a32939f" dmcf-pid="z1oZCJZva6" dmcf-ptype="general"><span>가리도 연구원은 LLM과 월드모델이 정보를 학습하고 예측하는 방식에 차이가 있다고 설명했다. LLM이 문맥에 따라 다음 단어를 예측한다면 월드모델은 특정 행동을 했을 때 주변 환경이 어떻게 변할지 예측한다.</span></p> <p contents-hash="574d97d2f2466f530a8f2609130ca75985da5f7ba0f7cb51c9cad2d1f9b6c62c" dmcf-pid="qtg5hi5Ta8" dmcf-ptype="general">그는 계단을 오르는 동작을 사례로 들었다. 계단을 오르는 방법을 글로 자세히 설명하려면 복잡한 지시가 필요하지만 영상으로 보면 어떤 움직임인지 쉽게 이해할 수 있다.</p> <p contents-hash="ed38d3b46e498be6bfe0368aa828920149f2ebb600a856d672574b49974ccf18" dmcf-pid="BFa1ln1yg4" dmcf-ptype="general">이러한 차이는 로봇이 실제 환경에서 움직일 때 중요해진다. LLM은 중력이나 질량에 관한 지식을 설명할 수 있지만 물체가 실제로 어떻게 움직일지 정확하게 예측하는 데는 한계가 있다. 챗봇의 잘못된 답변과 달리 로봇의 판단 오류는 장비 충돌이나 인명 피해로 이어질 수도 있다.</p> <p contents-hash="c6fb4ceb36c91925c2b6e114789c34ea719bf12d4d91b6dca9c3c851d74d62d4" dmcf-pid="b3NtSLtWof" dmcf-ptype="general">월드모델은 로봇이 행동하기 전에 여러 결과를 비교하도록 한다. 왼쪽으로 이동하면 장애물에 부딪히고 오른쪽으로 이동하면 목적지에 도달할 수 있다면, 실제로 움직이지 않고도 두 경로를 예측해 더 적절한 방향을 선택하는 원리다.</p> <p contents-hash="55ee491810b72334fb03a2f676290728ab3170c637611bbd6467e63aa9303ad2" dmcf-pid="K0jFvoFYkV" dmcf-ptype="general">이를 위해 활용하는 기술 중 하나가 JEPA다. 영상의 일부 정보를 가린 뒤 나머지를 바탕으로 빠진 정보를 예측하면서 물체의 움직임과 주변 환경의 특징을 학습한다. 이렇게 얻은 정보를 토대로 로봇의 행동에 따른 환경 변화를 예측하는 모델을 구축할 수 있다.</p> <p contents-hash="2cb035a656d33812cd1f2fddd6c326518c2038526ebadf723cf22f1a35e2c698" dmcf-pid="9pA3Tg3Go2" dmcf-ptype="general"><strong>로봇 작업 성공률 70%…빠른 행동 AI와 결합 모색</strong></p> <p contents-hash="807669584c79fcd6691c4be9fc7fa6c9ab44052735e04086d0bfd2d53a3f9152" dmcf-pid="2Uc0ya0HN9" dmcf-ptype="general"><span>월드모델을 실제 로봇 작업에 활용하려면 무엇을 먼저 하고 다음에 어떤 동작을 수행할지 계획하는 과정이 필요하다. 물체를 집어 다른 위치에 놓는 작업이라면 물체에 접근하고 집어 올린 뒤 목적지로 이동하는 순서를 정해야 한다.</span></p> <p contents-hash="65a2ab70ed5ed4037cf85e555370475dfb41cf29846333c8d33b7e8ff023655f" dmcf-pid="VGdWrxWINK" dmcf-ptype="general">그러나 최종 목표만 보고 움직임을 계획하면 중간에 필요한 동작을 제대로 찾아내지 못할 수 있다. 이를 해결하기 위해 가리도 연구원은 서로 다른 수준에서 계획하는 두 개의 월드모델을 활용했다고 밝혔다.</p> <p contents-hash="cadd3698170b91d49d65c6e4aa8e79b6e193f1b4edb878e57d71c6496ad91f0e" dmcf-pid="fHJYmMYCNb" dmcf-ptype="general">상위 모델이 물체에 접근하거나 집어 올리는 등 중간 목표를 정하면 하위 모델이 각 목표를 수행할 세부 동작을 결정한다. 이러한 계층적 계획을 적용한 기존 연구에서 로봇팔의 물체 집어 옮기기 성공률은 70%를 기록했다. 한 번에 작업을 계획한 비교 방식의 성공률은 0%였다.</p> <p contents-hash="026ed57468f0e695f5ca42c5b9edacae294649bf7544790be6d53959c3a8ecf1" dmcf-pid="4XiGsRGhgB" dmcf-ptype="general">가리도 연구원은 월드모델을 로봇의 움직임을 빠르게 결정하는 시각·언어·행동(VLA) 모델과 결합하는 방향도 제안했다. VLA 모델이 카메라 영상과 작업 지시를 바탕으로 행동을 결정한다면, 월드모델은 그 행동이 어떤 결과를 가져올지 미리 검토할 수 있다.</p> <p contents-hash="583600891eaaa59fa786559abd36d4d6fb1b396d75d84830cfab2107ba5bfd07" dmcf-pid="8ZnHOeHlaq" dmcf-ptype="general">두 기술 차이는 인간의 사고방식에 비유할 수 있다. 익숙한 일을 빠르게 처리하는 직관적 사고가 VLA 모델에 가깝다면 여러 가능성을 따져 신중하게 판단하는 사고는 월드모델에 해당한다.</p> <p contents-hash="621c11479ec383eea2faaa85ccbc243fc7d304d58258f0d273f5eed87fec47b5" dmcf-pid="65LXIdXSoz" dmcf-ptype="general">이 둘을 결합하면 VLA 모델이 행동 후보를 만들고 월드모델이 각각의 결과를 검토해 적절한 동작을 고를 수 있다. 기존 행동 AI의 빠른 처리 속도와 월드모델의 예측 능력을 함께 활용하려는 접근이다.</p> <p contents-hash="fb277301752a5ceeac77aff886a865801b97be204cacb7999b003be8d047ac96" dmcf-pid="P1oZCJZva7" dmcf-ptype="general">실제 산업 현장에 적용하려면 해결해야 할 문제도 있다. 작업 시간이 길어질수록 로봇이 계획해야 할 동작이 많아지고 미래를 예측하는 과정에서 오류가 누적될 수 있기 때문이다.</p> <p contents-hash="16fd62b6a9a0147224004ebf8d02b45c6febea5b3acf657e4a620591159d80ca" dmcf-pid="Qtg5hi5Tju" dmcf-ptype="general">강연 이후 질의응답에서도 장시간 작업을 계획할 때 발생하는 연산 부담이 거론됐다. 가리도 연구원은 작업을 여러 단계로 나누는 계층적 계획과 연산을 동시에 처리하는 병렬화 기술을 해결 방향으로 제시했다.</p> <p contents-hash="45ca1bf14cfa027953cc4e9b6f853ead3d9885a0d667ce88aa272fd6dd18dcd1" dmcf-pid="xFa1ln1yAU" dmcf-ptype="general">월드모델이 현실의 문제를 해결할 수 있는 수준으로 발전해야 한다는 점도 거듭 강조했다. 영상을 생성하거나 미래 상황을 예측하는 성능이 높더라도 실제 로봇이 작업을 수행하지 못한다면 활용에 한계가 있다는 판단이다.</p> <p contents-hash="68e7d2f6cae80328ddee404344daaba6274752498fc0649460b8fe3599ea4960" dmcf-pid="yg3L85Lxap" dmcf-ptype="general">가리도 연구원은 "세계의 미래를 예측할 수 있는 모델을 어떻게 실제 문제 해결에 활용할 것인가가 남은 과제"라며 "월드모델을 조금 더 개선하는 것보다 그 능력을 실제 작업에 활용하는 방법이 중요하다"고 말했다.</p> <p contents-hash="2d1d272ccd842dcf80e2e7e46c95948e6e07d224dc7757a1692c0309b1a972b6" dmcf-pid="Wa0o61oMg0" dmcf-ptype="general">김동원 기자(goodtuna@zdnet.co.kr)</p> </section> </div> <p class="" data-translation="true">Copyright © 지디넷코리아. 무단전재 및 재배포 금지.</p> 관련자료 이전 개발 끝난 금융 AI, 운영은 누가 관리하나?…데이터이쿠가 짚은 상용화 과제 10-14 다음 내년 'CES' 키워드도 'AI·휴머노이드'..핵심 트렌드는? 10-14 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
