NC AI, ‘월드 파운데이션 모델’ 연구 성과 공개
[테크월드뉴스=김승기 기자] 인공지능(AI) 경쟁의 무대가 디지털 공간에서 현실 세계로 확장되고 있다. 텍스트·이미지 중심의 생성형 AI에서 나아가 물리 환경을 이해하고 행동을 결정하는 ‘피지컬 AI’가 차세대 산업 기술로 부상하면서 로봇과 제조 분야에서 새로운 기술 경쟁이 시작되는 모습이다.
NC AI 자료 사진 재구성. [사진=챗GPT]
이 흐름 속에서 NC AI는 최근 로봇 지능의 핵심 기술로 꼽히는 ‘월드 파운데이션 모델(World Foundation Model, WFM)’ 연구 성과를 공개하며 피지컬 AI 기술 개발에 본격적으로 나섰다. 회사 측은 대규모 연산 자원이 요구되는 월드 모델 연구 분야에서 자체 연구 인프라를 활용해 모델 학습과 검증을 진행했으며 주요 로봇 조작 태스크에서 실무 적용 가능성을 확인할 수준의 성능을 확보했다고 설명했다.
피지컬 AI는 로봇 하드웨어 자체보다 ‘물리 환경을 이해하는 지능’에 초점이 맞춰진 기술이다. 중력, 마찰, 속도, 충돌 등 현실 세계의 물리 법칙을 이해하고 환경 변화에 맞춰 행동을 결정하는 AI를 의미한다. 산업용 로봇과 물류 자동화 시스템, 자율주행 차량, 드론, 스마트 설비 등 현실 공간에서 움직이는 대부분의 장치가 이 기술의 적용 대상이 된다.
이러한 기술 발전의 중심에는 ‘월드 모델(World Model)’이라는 개념이 있다. 월드 모델은 현실 세계의 물리 법칙과 인과 관계를 가상 공간에 재현해 AI가 행동 결과를 예측하며 학습할 수 있도록 하는 기술이다. 인간이 어떤 행동을 하기 전에 결과를 머릿속으로 그려보듯 AI 역시 시뮬레이션 환경에서 행동 결과를 예측하며 경험을 축적하게 된다.
Sim2Real 문제에 도전하는 ‘K-월드 모델’
피지컬 AI 개발에서 가장 큰 난제로 꼽히는 것은 ‘Sim2Real(Simulation to Real)’ 격차다. 가상 시뮬레이션 환경에서 완벽하게 동작하던 로봇이 실제 환경에서는 마찰이나 조명, 미세한 물리 변수 등 예상하지 못한 요소로 인해 제대로 작동하지 않는 현상을 의미한다.
피지컬 AI의 심장, 가상세계를 창조하는 월드 모델. [사진=NC AI]
이 문제를 해결하기 위해 글로벌 빅테크 기업들은 로봇 파운데이션 모델과 시뮬레이션 플랫폼 개발에 대규모 투자를 이어가고 있다. NC AI 역시 정밀 물리 기반 시뮬레이션을 결합한 월드 모델을 통해 이 문제에 접근하고 있다는 설명이다.
NC AI의 WFM은 기존 모델과 다른 방식의 학습 구조를 적용했다. 일반적인 월드 모델이 영상을 생성한 뒤 이를 비전 언어 모델(VLM)로 해석해 행동을 선택하는 방식이라면 NC AI 모델은 영상 생성 이전 단계의 잠재 공간 정보를 활용해 바로 행동을 생성하는 구조를 채택했다.
영상 생성과 추론 단계를 줄이면서 연산 효율을 높이고 정밀 물리 엔진 기반 시뮬레이션 데이터를 활용해 행동 예측 정확도를 동시에 확보했다는 것이 회사 측 설명이다.
NC AI는 그동안 축적한 가상 세계 구축 경험과 자체 3D 생성 모델 ‘VARCO 3D’를 활용해 현실과 유사한 수준의 3D 시뮬레이션 환경을 구현하고 있다고 밝혔다.
GPU 25%로 SOTA 80% 성능…효율성 확보
이번 연구에서 주목되는 부분은 연산 자원 효율성이다. NC AI는 글로벌 최고 수준 모델의 파인튜닝에 필요한 그래픽처리장치(GPU) 자원의 약 25% 수준으로 월드 모델 학습을 수행했다고 설명했다.
성능 지표에서도 의미 있는 결과가 확인됐다. 로봇 팔 조작과 관련된 24개의 고난도 태스크를 대상으로 평가한 결과 전체 태스크 기준 글로벌 최고 수준(SOTA) 대비 약 70% 성능을 기록했다.
특히 실제 산업 현장에서 활용 가능성이 높은 18개 핵심 태스크를 별도로 측정한 결과에서는 엔비디아 ‘코스모스(Cosmos)’ 등 주요 모델 대비 약 80% 수준의 태스크 성공률을 보였다고 밝혔다.
회사 측은 이러한 결과가 대규모 인프라 투자 없이도 최적화된 학습 구조를 통해 글로벌 톱 수준의 기술 경쟁력을 확보할 수 있음을 보여준 사례라고 설명했다.
합성 데이터로 제조 현장 AI 학습 확대
로봇 AI 개발에서 또 하나의 과제는 데이터 부족 문제다. 로봇이 실제 환경에서 작업하며 생성하는 행동 데이터는 인터넷 데이터처럼 쉽게 확보하기 어렵기 때문이다.
NC AI의 WFM이 예측한 영상(좌측)과 로봇이 시뮬레이터에서 실제로 움직인 영상(우측). [사진=NC AI]
NC AI는 이를 해결하기 위해 월드 모델 기반 합성 데이터 생성 환경 구축도 추진하고 있다. 가상 환경에서 다양한 작업 상황과 극한 조건을 생성해 로봇 학습 데이터를 확보하는 방식이다.
NC AI 따르면 A100 GPU 기준으로 10초 분량의 비디오를 약 80초 만에 생성할 수 있으며 H100 GPU 100대를 활용할 경우 약 1만 시간 규모의 합성 비디오 데이터를 약 11일 만에 생성할 수 있는 수준의 데이터 생산 능력을 확보했다.
이러한 합성 데이터는 반도체 클린룸, 철강 공정, 조선소 블록 조립 등 국내 제조 산업 환경에 맞춘 로봇 학습 데이터로 활용될 수 있다.
‘K-피지컬 AI 얼라이언스’ 구축
NC AI는 이러한 기술을 기반으로 국내 피지컬 AI 생태계 구축에도 참여하고 있다. 회사는 로봇 기업과 연구기관, 대학 등이 참여하는 ‘K-피지컬 AI 얼라이언스’의 핵심 참여 기관으로 활동하고 있다.
K-피지컬 AI 얼라이언스. [사진=NC AI]
해당 얼라이언스에는 리얼월드, 삼성SDS, 씨메스, 레인보우로보틱스 등 기업과 ETRI, KETI, 한국자동차연구원 등 연구기관, 카이스트와 서울대 등 학계가 참여하고 있다. 정밀 물리 시뮬레이션부터 3D 데이터 생성, 로봇 현장 실증까지 이어지는 산업 협력 구조를 구축하는 것이 목표다.
이연수 NC AI 대표는 “이번 월드 파운데이션 모델 연구는 단순히 연산 자원 규모에 의존하던 기존 로봇 AI 개발 방식에서 벗어나 물리 이해 기반 학습 구조를 통해 기술적 가능성을 확인했다는 점에서 의미가 있다”며 “국내 산업 환경에 특화된 로봇 AI 생태계를 구축해 글로벌 피지컬 AI 경쟁에서도 주도적인 역할을 하겠다”고 말했다.
AI 기술 경쟁이 디지털 환경에서 현실 세계로 확장되면서 제조 데이터와 시뮬레이션 기술, 로봇 제어 알고리즘이 결합된 피지컬 AI 생태계 구축이 새로운 산업 경쟁 요소로 부상하고 있다. NC AI가 제시한 월드 모델 기반 접근 방식이 국내 산업 AI 경쟁력 강화로 이어질 수 있을지 관심이 집중되는 모습이다.
회원가입 후 이용바랍니다.
댓글
0