공장 라인은 며칠이 멀다 하고 바뀌어. 새 제품이 들어오고 배치가 달라지고 작업 순서가 바뀌는데, 지금까지 로봇은 그때마다 다시 프로그래밍하지 않으면 따라가지 못했어. Skild AI가 새로 내놓은 로봇 파운데이션 모델 S1은 이 문제를 다른 방식으로 풀어. 영상 시연 한 번만 보여주면, 한 번도 훈련받은 적 없는 낯선 과업을 그대로 수행한다.
가중치를 안 건드리고 배운다
S1의 핵심은 모델 가중치를 업데이트하지 않고도 새 과업을 익힌다는 점이야. 사람이 작업하는 영상 한 편을 프롬프트로 넣어주면, 별도의 과업별 재훈련 없이 그 영상을 그대로 이해하고 실행하는 이 방식을 인-컨텍스트 러닝이라 불러.
Skild AI 공동창업자 겸 CEO 데팍 파탁은 “경험을 통한 학습이지 사전 프로그래밍이 아닌 것이 로보틱스에 일어난 단계적 변화”라고 말했어.1
S1이 다룰 수 있는 과업은 화분 심기, 팬케이크 만들기, 푸어오버 커피 내리기, 키트 조립처럼 최대 10분짜리 작업들이야. 화분 심기 테스트 하나를 예로 들면, 시연 영상을 녹화한 순간부터 로봇이 실제 하드웨어 위에서 자율적으로 그 작업을 수행하기까지 걸린 시간이 단 11분이었어.
66% 대 9%, 그리고 영상 한 편의 값어치
처음 보는 다단계 과업을 시켰을 때, S1은 각 단계에서 약 66%의 성공률을 보였어. 비교 대상이 된 다른 AI 시스템은 9%에 그쳤으니 7배 넘게 차이가 난 셈이야.1 Skild AI는 짧은 영상 예시 하나가 사람이 직접 만든 학습 예제 약 380개와 맞먹는 효과를 낸다고 추정해. 그만큼의 예제를 사람이 손으로 모으려면 50시간에서 100시간이 걸릴 수 있다고 회사는 보고 있어.1
이번 출시는 Skild AI가 첫 상용 배치 이후 10개월 만에 연매출 환산 1억 달러에 도달한 시점에 나왔어. 그동안 제조·물류·검사·보안·식품 준비 등에 걸쳐 60곳 넘는 곳과 배치 파트너십을 맺었고.1
조립 라인 위의 S1
이 기술은 실험실 바깥으로도 나갔어. Skild AI와 NVIDIA, Foxconn은 Blackwell 시스템의 고정밀 조립을 위해 Skild Brain을 듀얼암 조작기에 배치하고 있어. 시연된 워크플로 하나에서는 로봇이 버스바와 리밋 블록을 설치하고 나사 16개를 조이며, 작업 중 벌어지는 변수에도 알아서 대응했어.1
S1을 뒷받침하는 학습 과정에는 시뮬레이션도 들어가. Skild AI는 Newton 물리 엔진이 구동하는 오픈 모듈형 로봇 학습 프레임워크 Isaac Lab에서 강화학습으로 로봇 브레인의 기술을 계속 강화해. 힘·접촉·충돌·압력 같은 물리 변수를 정확히 모델링해 시뮬레이션과 실제 환경 사이의 간극을 줄이는 게 목적이야.1
한 번의 영상이 한 번의 프로그래밍을 대체하는 이 접근이 실제 공장 여러 곳에서 통할지는 이제부터가 시작이야. Skild AI는 이미 60곳 넘는 배치 파트너십과 Foxconn의 Blackwell 조립 라인이라는 실증 현장을 갖고 있고, 다음에 볼 건 이 성공률이 더 넓은 과업과 더 많은 현장에서도 유지되는지다.
댓글