로봇 공학을 위한 GPT 순간이 왔습니다

몇 년 전만 해도 로봇 스타트업을 설립하려면 기계 팔이 움직이도록 하기 위해 수년간의 노력을 기울이고, 맞춤형 하드웨어에 엄청난 비용을 투자하며, NASA에서 온 것처럼 보이는 전문가 팀을 보유해야 했습니다. 오늘날은 더 이상 그렇지 않습니다. 오늘날에는 실제 세탁소에서 빨래를 개는 로봇을 보유할 수 있으며, 이 로봇은 다른 로봇이 수집한 데이터로부터 학습합니다. 또한 로봇을 구동하는 인텔리전스 모델은 로봇의 배낭에 숨겨진 슈퍼컴퓨터가 아니라 클라우드에서 실행됩니다. 요점은 다음과 같습니다. 우리는 로봇 공학의 'GPT' 시대에 살고 있습니다. 언어 모델이 AI를 대중화한 것처럼, 이제 로봇 공학은 엘리트만을 위한 분야에서 벗어나 누구나 접근할 수 있고, 확장 가능하며, 놀랍도록 빠르게 시장에 출시될 수 있는 분야로 변모하고 있습니다. 더 이상 기계 공학의 천재가 될 필요는 없습니다. 오늘날에는 창의력, 데이터 수집 능력, 저렴한 하드웨어를 통합하려는 의지가 더 중요합니다. 왜냐하면 지능은 금속이 아니라 모델에서 나옵니다. 이 혁명의 배후에는 TV 시리즈에서 나온 것처럼 보이는 팀이 있습니다. Physical Intelligence의 공동 창업자인 Quan Vang과 함께 Brian, Chelsea, Sergey, Locky, Adnan이 있습니다. 이들은 고급 로봇 프로젝트를 진행하던 Google X를 떠나 거의 미친 듯한 사명을 가진 스타트업을 설립했습니다. 그 사명은 물리적으로 가능한 모든 작업에 대해, 어떤 환경에서든 모든 로봇을 제어할 수 있는 모델을 만드는 것이었습니다. Quan은 수년간 빨래를 개는 것이 로봇 공학의 '튜링 테스트'였다고 말합니다. 어떤 고전적인 알고리즘도 다양한 종류의 천, 천의 변형 가능성, 현실 세계의 무작위성을 처리할 수 없었기 때문입니다. 그런 다음 전 Apple 직원들이 설립한 스타트업 Weave와 함께 2주 동안 작업한 끝에 실제 고객의 세탁물을 실제로 개는 로봇을 작동시킬 수 있었습니다. 또 다른 사례는 물류 분야의 스타트업인 Ultra입니다. Ultra는 이제 실제 물류 창고에서 Amazon 주문을 포장하는 로봇을 사용하고 있으며, 이 로봇은 몇 시간 동안 거의 완전한 자율성을 가지고 있습니다. 이전에는 각 로봇이 자신만을 위해 최적화된 '상아탑'과 같았지만, 이제는 수십 개의 다양한 플랫폼에서 수집된 데이터를 기반으로 모델을 훈련시킵니다. 구체적인 데이터: 다양한 로봇으로부터 데이터를 수집하는 플랫폼인 OpenX는 동일한 작업에서 '일반' 모델이 '전문' 모델보다 50% 더 우수한 성능을 보인다는 것을 보여주었습니다. 이러한 알고리즘을 실행하려면 최고 수준의 하드웨어가 필요하다는 말을 들어본 적이 있다면, 잊어버리세요. 대부분의 물리적 지능 데모는 클라우드에 있는 두뇌로 실행되며, 현장의 로봇은 스마트 웹캠에 불과합니다. 진정한 혁신은 여기에 있습니다. 더 이상 문제는 ‘각각의 동작을 어떻게 프로그래밍할 것인가’가 아니라 ‘어떻게 적절한 데이터를 수집하고 이미 다양한 환경에서 움직일 수 있는 모델을 통합할 것인가’입니다. 아무도 알려주지 않는 또 다른 전환점이 있습니다. 동일한 로봇이라도 시간이 지남에 따라 작은 하드웨어 또는 소프트웨어 변경으로 인해 수집된 데이터가 오래된 데이터로 변합니다. 따라서 다양한 로봇에서 모델을 훈련시키는 것이 더 좋습니다. 그러면 모델이 다양성을 관리하는 방법을 배우고 더 견고해집니다. 그리고 이러한 다양성은 이미 ‘제로 샷’ 작업을 수행할 수 있는 능력으로 이어지고 있습니다. 즉, 해당 작업에 대해 수집된 특정 데이터가 필요하지 않습니다. 작년에는 수백 시간의 훈련이 필요했지만, 이제 로봇은 일반화할 수 있습니다. 그러나 몇 안 되는 사람들이 고려하는 한 가지 측면이 있습니다. 로봇 스타트업의 진정한 장벽은 더 이상 기술이 아니라 실제 작업 흐름과의 통합입니다. Quan은 이를 반복합니다. 로봇이 실제로 어떤 부분에서 차이를 만들어 내는지 이해해야 합니다. 종종 지루하고 반복적인 작업에서, 몇 가지 오류가 허용되는 경우, 그리고 사람의 감독하에 시작하여 점차 자동화할 수 있는 경우입니다. 초기 비용이 낮아졌습니다. 더 저렴한 하드웨어, 오픈 소스 모델(Physical Intelligence는 내부적으로 사용되는 모델과 동일한 가중치를 가진 PI0 및 PI05를 공개했습니다), 실제 환경에서 테스트하고 개선할 수 있는 가능성 등이 그 예입니다. 우리는 수직 스타트업의 진정한 ‘캄브리아기 폭발’의 시작점에 서 있습니다. 1980년대에 개인용 컴퓨터가 기술 기업의 급증으로 이어졌던 것처럼, 이제 물류에서 청소, 음식 서비스에서 지원에 이르기까지 모든 분야에서 더 이상 모든 것을 처음부터 다시 개발할 필요가 없는 작고 민첩한 팀이 구축한 자체 로봇 스타트업을 보유할 수 있습니다. 하지만 주의하세요. 도전은 기술적인 것만이 아니라 제품과 비즈니스에도 있습니다. 고객의 진정한 니즈를 이해하고, 기존 워크플로에 적응하며, 빠른 '손익분기점' 달성, 즉 확장하기 전에 소수의 로봇으로 경제적 지속 가능성을 달성하는 것을 목표로 해야 합니다. 반대 의견은 무엇일까요? 모두가 혁명이 가정용 로봇에서 시작될 것으로 기대하고 있지만, 실제로는 오차 범위가 허용되고 수요가 엄청나는 주문 포장이나 마이크로 물류 관리와 같은 눈에 보이지 않는 산업 작업에서 진정한 붐이 시작될 수 있습니다. 준비하세요: 내일의 핵심 질문은 '어떤 로봇을 구입할 수 있는가'가 아니라 '모두로부터 학습하는 지능형 모델을 통합하여 어떤 워크플로를 개선할 수 있는가'가 될 것입니다. 기억해야 할 문구: 로봇 공학은 더 이상 정교한 하드웨어가 아닌 데이터, 모델, 창의적인 통합에 관한 것입니다. 이 이야기를 듣고 로봇 스타트업에 대한 생각이 바뀌었다고 느낀다면, Lara Notes에서 'I'm In'으로 알려주세요. 이는 단순한 '좋아요'가 아니라 새로운 관점을 받아들이고 공감하는 사람들의 표시입니다. 그리고 내일 누군가에게 빨래 개기가 로봇 공학의 진정한 ‘튜링 테스트’였던 이유나 Ultra가 물류 분야에 어떻게 혁명을 일으키고 있는지 이야기할 때 Lara Notes의 Shared Offline 기능을 사용하여 그 자리에 있던 사람들을 태그할 수 있습니다. 그러면 그 대화가 진정으로 의미 있는 것이 됩니다. 이 노트는 Y Combinator에서 제공되었으며, 1시간 30분 이상의 청취 시간을 절약해 드렸습니다.