중국 상하이AI연구소(Shanghai AI Lab)·저장대학·상하이자오퉁대학 공동 연구팀이 인간의 작업 영상, 전신 움직임, 손가락 관절 동작, 촉각 정보를 동시에 수집하는 웨어러블 시스템을 개발했다. 이 시스템은 머리에 장착하는 카메라, 신체 부위별 동작 추적기, 센서 내장형 장갑으로 구성된다. 연구팀은 해당 시스템으로 총 100시간 분량의 인간 활동 데이터셋 'EgoExplorer'를 구축했다고 밝혔다. 이 데이터는 휴머노이드 로봇이 인간의 작업 방식을 학습하는 데 활용하는 것을 목표로 한다. 연구 결과는 논문 사전 공개 사이트 arXiv에 게재됐다.
큐레이터arXiv 프리프린트 단계로 아직 동료 심사를 거치지 않았으며, 수집된 데이터셋이 실제 휴머노이드 로봇 훈련 성능을 얼마나 향상시키는지는 후속 검증이 필요하다.
한국생산기술연구원(생기원) AI·로봇연구부문 안범모 수석연구원 연구팀이 전신동작 데이터 수집 플랫폼(HHIP, Human-to-Humanoid Intelligence Platform)을 구축했다. HHIP는 관절 움직임, 지면 반력(발이 땅을 딛는 힘), 손동작 등 이종(異種) 데이터를 동시에 수집하는 것을 특징으로 한다. 플랫폼 개발은 사람의 정상 보행을 정의하기 위한 문제의식에서 출발했으며, 사람을 위한 로봇 및 보조기기 설계에 필요한 관절 각도·속도 데이터 확보를 목표로 한다.
큐레이터본문이 중간에 끊겨 수집 데이터의 규모, 포맷, 공개 여부 등 핵심 사양이 확인되지 않는다. 플랫폼의 실질적 활용 범위는 전체 기사를 통해 확인이 필요하다.
HiPHI는 휴머노이드 로봇 학습의 데이터 공백을 메우기 위해 구축된 대규모 모션 캡처(motion capture) 데이터셋이다. 인터넷 동영상이나 기존 모션 캡처 데이터셋이 충족하기 어려운 전신 동작을 체계적으로 수집하기 위해 인간 행동 언어 프레임워크인 FrameNet을 활용한다. 운반·밀기·당기기 등 실세계 과제를 로봇에 가르치기 위해 동기화된 객체 궤적과 메시(mesh)를 포함한 사람-객체 상호작용(human-object interaction) 데이터를 제공한다. 이 데이터로 학습한 강화학습(reinforcement learning) 정책은 데이터 규모가 커질수록 성능이 향상되며, 시뮬레이션-실제(sim-to-real) 전이를 거쳐 실제 휴머노이드 로봇에도 적용된 결과를 포함한다.
큐레이터이 글은 연구 논문 본문이 아닌 화이트페이퍼 다운로드 유도 페이지여서, 실험 조건·수치·비교 결과 같은 구체적 근거는 원본 문서를 직접 확인해야 알 수 있다.
데이터 서비스 기업 Innodata가 휴머노이드 로봇 훈련용 실세계 데이터 수집을 목적으로 모션 캡처(motion capture) 전용 랩을 열었다. 랩에는 Vicon 카메라가 도입되어 밀리미터 미만(sub-millimeter) 정밀도로 인체 동작을 측정한다. 수집된 데이터는 휴머노이드가 사람의 움직임에 가깝게 동작하도록 하는 훈련 데이터로 활용될 예정이다.
큐레이터원문이 매우 짧아 랩 규모, 캡처 대상 동작의 종류, 데이터가 어떤 학습 파이프라인에 투입되는지 등 구체적인 내용은 확인되지 않는다.