코베리언트, 로봇 파운데이션 모델 ‘RFM-1' 발표

 

 

인공지능 로봇 기업 코베리언트(Covariant)가 로봇용 범용 인공지능 플랫폼을 내놓았다.

 

코베리언트는 물류 창고 데이터를 바탕으로 로봇에게 인간과 같은 추론 능력을 제공하는 로봇 파운데이션 모델 ‘RFM(Robotics Foundation Model)-1’을 개발했다고 11일(현지 시각) 밝혔다. 코베리언트는 생성형 인공지능이 상용 로봇에게 언어와 물리적 세계에 대한 더 깊은 이해를 성공적으로 제공하는 최초의 사례라고 소개했다.

 

수작업 프로그래밍이나 전문 학습 모델을 기반으로 하는 기존 로봇자동화 시스템은 실제 시나리오상에서 신뢰성과 유연성이 부족하다는 한계를 지니고 있다. 로봇이 실제 현장에서 가치를 창출하기 위해선 수많은 시나리오를 통해 무제한에 가까운 물체를 스스로 조작하는 방법을 이해해야만 한다.

 

코베리언트는 RFM-1이 물류창고 내 ‘픽 앤 플레이스(pick and place)’ 작업에서 로봇 파운데이션 모델의 강력함을 보여준다고 주장했다. 실제 세계의 로봇 생산 관련 대규모 데이터세트와 방대한 인터넷 데이터를 결합한 이 모델은 로봇 생산성에서 새로운 영역을 열고, 병원·가정·공장·상점·레스토랑 등 다양한 분야에 적용할 수 있다고 강조했다.

 

피터 첸(Peter Chen) 코베리언트 CEO 겸 공동 설립자는 “로봇 파운데이션 모델은 방대한 양의 고품질 멀티모달 데이터에 대한 접근이 필요하다. 이러한 모델에는 텍스트, 이미지, 비디오, 물리적 측정, 로봇 동작 등 로봇이 결정을 내리는 데 필요한 광범위한 정보를 반영한 데이터가 필요하다”고 말했다. 이어 "디지털 세계를 위한 AI와 달리, 인터넷에선 물리적 세계의 대규모 로봇 상호작용에 관한 데이터를 수집할 수 없다. 그래서 우리는 전세계 고객을 대상으로 대규모 창고 자동화 로봇을 배치하고, 수천만 개의 궤적 데이터를 수집할 수 있는 확장성 있는 데이터 수집 시스템을 구축했다"고 말했다.

‘멀티모달 애니-투-애니 시퀀스(Multimodal Any-to-Any Sequence Model)’ 모델로 설정된 RFM-1은 텍스트, 이미지, 비디오, 로봇 동작, 물리적 측정 등 데이터로 훈련받았으며 80억개에 달하는 매개변수(parameter)를 지원한다.

 

코베리언트는 RFM-1이 로봇에게 즉석에서 추론하고 결정을 내릴 수 있는 정교한 능력을 제공한다고 밝혔다. 높은 수준의 로봇 자율성을 제공하고, 관련 비용과 실행 시간을 낮추며, 새로운 응용 프로그램과 로봇 폼팩터(소비자용 및 휴머노이드 로봇)의 빠른 개발을 지원한다는 설명이다.

 

코베리언트는 RPM-1의 특징을 다음과 같이 제시했다.

 

◊물리적 세계 모델(Physics world model)

RFM-1의 물리학에 대한 이해는 비디오를 생성하는 학습에서 비롯된다. RFM-1은 인공지능이 제작한 비디오를 통해 물체가 로봇의 동작에 어떻게 반응할지 예측할 수 있도록 해준다. 멀티모달 로봇 데이터세트로 구동되는 이 물리적 세계 모델은 로봇이 미래 시나리오의 결과를 시뮬레이션하고, 최상의 행동 방향을 선택할 수 있도록 함으로써 속도와 신뢰성을 향상시킨다.

 

◊언어 안내 프로그래밍(Language-guided programming)

로봇을 작업 가능하게 만들고, 영어를 이해함으로써 RFM-1은 로봇과 인간이 의사소통을 통해 협력하고 문제를 해결할 수 있도록 지원한다. 이를 통해 역동적인 비즈니스 환경에서 요구하는 것과 일부 제한적인 케이스의 시나리오상에서 발생하는 롱테일 문제를 해결하기 위해 AI 행동을 커스터마이징해야하는 장벽을 크게 낮춰준다.

 

◊ 자기 성찰로부터의 학습(Learning from self-reflection)

'맥락 내 학습(In-context learning)'은 로봇이 자신의 행동에 대한 자기 성찰을 기반으로 즉석에서 학습하고 개선할 수 있도록 해준다. RFM-1을 사용하면 로봇은 몇 분 만에 이 학습을 실현할 수 있으며, 이는 새로운 시스템, 시나리오 또는 물체의 램프 시간(ramp time, 생산적인 수준에 도달하는데 필요한 시간)을 줄이면서 성능을 크게 향상시켜준다.

 

 

 

장길수 ksjang@irobotnews.com

<저작권자 © 로봇신문사 무단전재 및 재배포금지>