π0.7 (사진=피지컬 인텔리전스)
한번도 해보지 않은 일까지 스스로 해내는 로봇이 등장했다. 로봇 스타트업 피지컬 인텔리전스가 선보인 범용 모델 ‘파이0.7(π0.7)’은 다양한 작업에서 익힌 기술을 조합해 새로운 문제를 풀어내는 ‘일반화 능력’을 갖춘 것이 특징이다.
피지컬 인텔리전스는 16일(현지시간) 기존처럼 특정 작업에 맞춰 학습된 전문가형 시스템을 넘어 학습 데이터에 없는 작업까지 수행할 수 있는 범용 로봇 AI 모델
파이0.7
을 공개했다.
이 모델의 핵심은 다양한 작업에서 학습한 기술을 새로운 방식으로 결합해 전혀 새로운 문제를 해결할 수 있다는 데 있다. 예를 들어, 연구진은 이 모델이 학습 데이터에 거의 등장하지 않았던 에어프라이어를 활용해 고구마를 조리하려는 모습을 확인했다.
초기에는 일부 시행착오를 겪었지만, 단계별 언어 지시를 제공하자 작업을 성공적으로 수행했다. 이는 마치 인간이 새로운 기기를 처음 사용할 때 설명을 듣고 익히는 과정과 유사하다.
이러한 능력은 기존 로봇 AI의 한계를 크게 넘어선 것이다. 지금까지 로봇 학습은 특정 작업 데이터를 수집하고, 작업에 맞춰 모델을 개별적으로 학습하는 방식이 일반적이었다.
하지만, 파이0.7은 단일 모델로 다양한 작업을 수행하면서도, 서로 다른 기술을 재조합해 새로운 작업을 해결할 수 있다. 세르게이 레빈 공동 창립자는 이에 대해 "데이터 증가 대비 성능이 비선형적으로 향상되는 새로운 확장 특성"이라고 설명했다.
기술적으로 텍스트뿐 아니라 시각 정보, 메타데이터, 제어 방식 등 다양한 입력을 통합하는 ‘멀티모달 프롬프트’ 구조를 채택했다. 단순히 “무엇을 할 것인가”뿐 아니라 “어떻게 할 것인가”까지 명시하는 방식이다.
작업 속도나 품질, 로봇 제어 방식, 심지어 작업 완료 상태를 보여주는 시각적 목표 이미지까지 입력으로 활용된다. 이러한 다양한 맥락 정보는 서로 다른 출처의 데이터를 효과적으로 결합하고, 행동의 모호성을 줄이는 역할을 한다.
Our newest model, π0.7, has some interesting emergent capabilities: it can control a new robot to fold shirts for which we had no shirt folding data, figure out how to use an appliance with language-based coaching, and perform a wide range of dexterous tasks all in one model!
pic.twitter.com/s9NxKfb7pe
— Physical Intelligence (@physical_int)
April 16, 2026
50억개의 매개변수로 구성된 시각-언어-행동(VLA) 모델로, 크게 세 부분으로 구성된다. 이미지와 언어를 이해하는 40억(4B) 규모의 비전-언어 모델(VLM), 이전 상황을 기억하는 비디오 기록 장치, 그리고 실제 행동을 결정하는 8억6000만 매개변수의 행동 전문가(Action Expert) 모듈이 작동한다.
이 모델은 텍스트 명령뿐 아니라 데이터의 특성을 설명하는 정보, 목표를 보여주는 하위 목표 이미지 등 다양한 입력을 동시에 활용한다. 실제로 작동할 때는 상위 시스템이 해야 할 일을 문장으로 만들어 주고, 목표 장면은 별도의 BAGEL 이미지 생성 모델을 통해 만들어져 작업을 더 정확하게 수행할 수 있도록 돕는다.
특히 하위 목표 이미지는 로봇이 수행해야 할 중간 상태를 명확히 제시해, 복잡한 작업을 단계적으로 해결할 수 있도록 돕는다. 또 학습 과정에서는 다양한 로봇 플랫폼, 인간 시연 영상, 자율 수집 데이터 등을 통합해 활용했으며, 품질이 낮은 데이터도 메타데이터로 보정해 학습에 포함했다.
파이0.7 아키텍처 (사진=피지컬 인텔리전스)
로봇 플랫폼 간 일반화에서도 인상적인 성과를 보였다. 연구진은 데이터가 거의 없는 이중 팔 산업용 로봇 시스템에서 세탁물 접기 작업을 수행하도록 했는데, 그 결과 숙련된 인간 조작자의 ‘제로샷’ 수준과 유사한 성공률을 기록했다. 이는 약 375시간 이상의 원격 조작 경험을 가진 인간과 맞먹는 수준이다.
성능 측면에서도 기존 강화 학습(RL) 기반 최적화 기법(Recap)으로 학습한 전문 모델들과 동등하거나 더 높은 수준을 보였다. 단일 모델이 커피 제조, 상자 조립, 세탁물 정리 등 다양한 작업을 동시에 높은 성공률로 수행할 수 있다는 점은 범용 로봇의 가능성을 한층 끌어올린다.
다만 연구진은 한계도 분명하다고 인정한다. 하나의 복잡한 명령만으로 다단계 작업을 자율적으로 수행하기에는 여전히 부족하며, 효과적인 결과 도출을 위해서는 단계별 언어 지시가 필요하다.
또 로봇 분야에는 표준화된 평가 기준이 부족해 외부 검증이 쉽지 않다는 점도 과제로 남아 있다.
박찬 기자 cpark@aitimes.com
댓글
0