NVIDIA 로봇 플랫폼 제품 마케팅을 7년간 이끈 뒤 벤처캐피털리스트로 전향한 Amulya Vishwanath는 현재 로봇공학이 '레고 시대(Lego era)'에 있다고 진단한다. 그의 설명에 따르면 액추에이터, 로봇 손, 소프트웨어, 안전 표준 등 기초 구성 요소들이 아직 정비 중이다. 이는 범용 기반 모델(foundation model)을 앞세운 로봇공학이 곧 급격한 변곡점을 맞이할 것이라는 낙관론과 대비된다.
큐레이터본문이 일부만 공개된 기사여서 주장의 근거와 논거 전체를 확인하기 어렵다. 업계 인사의 견해인 만큼 독립적인 데이터나 검증 없이 단정하기보다 논거를 원문에서 직접 확인하는 것이 필요하다.
Helm.ai가 자사 파운데이션 모델(foundation model)로 체결한 상업 계약 누계가 7,000만 달러에 달했다. 해당 모델들은 비지도 학습(unsupervised) 방식의 독자 기법인 'deep teaching' 방법론으로 훈련된다. 이 방법론은 특정 태스크 레이블 없이 물리적 세계의 구조 자체를 학습하는 것을 목표로 한다.
큐레이터계약 규모 외에 계약 상대방, 적용 분야, 'deep teaching'의 구체적 기술 내용은 이번 발표에서 공개되지 않아 사업 실질을 판단하기 어렵다.
Skild AI가 단일 영상 시연만으로 로봇이 이전에 본 적 없는 장기 과제(long-horizon task)를 학습할 수 있는 S1 로봇 파운데이션 모델(foundation model)을 출시했다. S1은 제조 현장·창고·생산 라인처럼 작업과 레이아웃이 자주 바뀌는 환경을 겨냥하며, 기존 로봇이 새 작업마다 대규모 재프로그래밍을 요구하는 문제를 해결하는 것을 목표로 한다. 이 모델은 NVIDIA Physical AI 기술을 활용해 구축됐다.
큐레이터NVIDIA 자사 블로그를 통한 발표여서 단일 영상 시연만으로 장기 과제를 학습한다는 주장은 Skild AI와 NVIDIA 측의 것이며, 실제 제조·창고 환경에서의 독립적인 검증 결과는 아직 확인되지 않는다.
스타트업 General Intuition은 수백만 시간 분량의 비디오 게임 데이터를 활용해 물리적 AI(physical AI)용 기반 모델(foundation model)을 훈련하는 접근법을 추진하고 있다. 이 방식은 실세계 데이터 수집을 최소화하면서도 더 지능적인 로봇을 개발할 수 있도록 하는 것을 목표로 한다. TechCrunch Robotics는 해당 스타트업이 로봇공학 분야에서 대규모 언어 모델 확산에 비견되는 전환점이 가까워졌다고 주장한다고 전했다. 원문에는 구체적인 모델 사양이나 성능 수치는 공개되지 않았다.