코바리언트, ChatGPT 같은 AI 로봇 시스템 구축 중

---

The UC Berkeley spinout says its new AI platform can help robots think more like people

UC Berkeley 연구소에서 창업한 코바리언트는 새로운 AI 플랫폼으로 로봇이 사람처럼 움직이는데 도움이 될 수 있다고 말합니다.

---

사진출처) Covariant

 

UC 버클리(UC Berkeley)의 인공 지능(AI) 연구소에서 스핀아웃(Spinout) 한 코바리언트(Covariant)는 RFM-1(Robotics Foundation Model 1)모델의 출시를 발표했습니다. 공동 창업자이자 CEO인 피터 첸(Peter Chen)은 이 플랫폼에 대해 기본적으로 대규모 언어 모델(LLM)이지만 로봇 언어를 위한 것이라고 합니다.

​

RFM-1은 무엇보다도 코바리언트의 'Brain AI' 플랫폼을 통해 수집한 방대한 데이터의 결과물입니다. 코바리언트는 고객의 동의를 얻어 LLM 데이터베이스에 해당하는 로봇을 구축해 왔습니다.

​

"RFM-1의 비전은 앞으로 수십억 대의 AI 기반의 로봇을 공급하는 것입니다."라고 첸은 말합니다. "코바리언트는 이미 물류창고에 많은 로봇을 성공적으로 배치했습니다. 하지만 여기에 국한되지 않습니다. 우리는 제조, 식품 가공, 재활용, 농업, 서비스 산업, 심지어 사람들의 가정에까지 로봇을 보급하고 싶습니다."

​

이 플랫폼은 더 많은 로봇 회사들이 '범용' 시스템의 미래에 대해 논의하는 가운데 출시되었습니다. 어질리티(Agility), 피규어(Figure), 1X, 앱트로닉(Apptronik)와 같은 휴머노이드 로봇 제조 회사은 코바리언트의 갑작스러운 공세로 이러한 논의가 이루어지는 중추적인 역할을 했습니다. RFM-1의 폼 팩터(Form Factor)는 사람과 유사하게 적응형 모델에 가깝지만, 온보드 AI/소프트웨어 시스템의 견고성은 완전히 다른 문제입니다. 코바리언트의 소프트웨어는 주로 창고 피킹과 같은 익숙한 창고 작업을 수행하는 산업용 로봇 팔에 주로 적용되고 있습니다. 현재 휴머노이드에는 적용되지 않았지만, 코바리언트는 어느 정도의 하드웨어 불가지론을 약속하고 있습니다.

​

첸은 "우리는 범용 로봇 하드웨어 분야에서 이뤄지고 있는 많은 작업을 좋아합니다."라고 말합니다. "인텔리전스 변곡점과 하드웨어 변곡점을 결합하면 로봇 애플리케이션이 더욱 폭발적으로 늘어날 것입니다. 하지만 아직 많은 부분이, 특히 하드웨어 측면에서는 완전히 완성되지 않았습니다. 스테이지 비디오를 넘어서는 것은 매우 어렵습니다. 얼마나 많은 사람들이 휴머노이드와 직접 상호작용을 해봤을까요? 그것이 성숙도를 말해줍니다."

사진출처) Covariant

 

 

그러나 코바리언트는 로봇의 의사결정 과정에서 RFM-1이 수행하는 역할에 관해서는 사람과 비교하는 것을 주저하지 않습니다. 보도 자료에 따르면 이 플랫폼은 "로봇에게 인간과 같은 추론 능력을 제공하며, 생성형 AI가 상업용 로봇의 언어와 물리적 세계에 대한 이해를 성공적으로 부여한 최초의 사례"라고 설명합니다.

​

이는 추상적이거나 심지어 철학적 개념에 대한 비교와 시간이 지남에 따라 실제 현실 세계의 효용성 측면에서 주장에 신중을 기해야 하는 영역 중 하나입니다. "인간과 같은 추론 능력"은 다양한 사람들에게 매우 다양한 의미를 갖는 광범위한 개념입니다. 여기서 이 개념은 실제 데이터를 처리하고 당면한 작업을 실행하기 위한 최선의 행동 방침을 결정하는 시스템의 능력에 적용됩니다.

​

이는 한 가지 작업을 무한정 반복하도록 프로그래밍된 기존의 로봇 시스템에서 벗어난 것입니다. 이러한 단일 목적 로봇은 자동차 조립 라인부터 시작하여 고도로 구조화된 환경에서 번창해 왔습니다. 입력된 작업에 사람이 입력한 변경이 없다면 로봇 팔은 감가상각이 회수할 때가 될 때까지 정밀하고 일관된 작업을 반복 수행할 수 있습니다.

​

하지만 아주 작은 편차만 있으면 고장이나 사고가 날 수 있습니다. 컨베이어 벨트에 물체가 정확하게 배치되지 않았거나 온보드 카메라에 영향을 미치는 조명이 조정되었다고 가정한다면 작은 차이지만, 로봇의 실행 능력에 큰 영향을 미칠 수 있습니다. 또한 로봇이 새로운 부품, 새로운 재료로 작업하거나 완전히 다른 작업을 수행한다면 더 큰 고장이나 사고가 날 수 있습니다.

​

이러한 부분에는 특히 전문 인력이 필요합니다. 전문 프로그래머가 전통적으로 개입하여 로봇을 다시 프로그래밍해야 합니다. 이러한 전문 인력은 항상 공장에 배치되어 있지 않기 때문에 외부의 인력이 투입되기도 합니다. 이는 자원과 시간을 낭비하게 됩니다. 이를 방지하려면 다음 두 가지 중 하나가 필요합니다. 1) 현장에서 일하는 사람이 코딩을 잘 하거나, 2) 로봇과 상호 작용할 수 있는 새롭고 자연스러운 방법이 필요합니다.

​

전자의 경우라면 기업들은 돈을 투자하고 코딩을 잘하게 배울 수 있도록 시간을 주지는 않을 것 같습니다. 후자가 바로 코바리언트가 RFM-1을 통해 시도하는 방식입니다. "ChatGPT 같은"이란 말은 완벽한 비유는 아니지만, 설립자들과 ChatGPT의 제조사 OpenAI와의 관계를 고려할 때는 적합한 비유입니다.

​

고객의 관점에서 보면 이 플랫폼은 현재 소비자를 대상으로 하는 생성형 AI의 반복과 마찬가지로 텍스트로 표시됩니다. 타이핑이나 음성으로 "사과 집어줘"와 같은 텍스트 명령을 입력하면 시스템은 학습 데이터(모양, 색상, 크기 등)를 사용하여 해당 설명과 가장 유사한 물체를 눈앞에 있는 물체로 식별합니다.

​

그런 다음 RFM-1은 비디오 결과(본질적으로 시뮬레이션)를 생성하여 과거 학습을 통해 최선의 행동 방침을 결정합니다. 이 마지막 단계는 우리의 두뇌가 행동을 실행하기 전에 잠재적인 결과를 예측하는 방식과 유사합니다.

​

라이브 데모에서 시스템은 "빨간 물체를 집어"와 같은 입력과 "신발을 신기 전에 발에 신은 것을 집어"와 같은 보다 의미론적으로 복잡한 입력에도 반응하여 로봇이 각각 사과와 양말을 올바르게 집어 들었다고 합니다.

​

실제 시스템에 대해 논의할 때에는 많은 아이디어가 필요합니다. 코바리언트의 창립자들은 이러한 부분에 많은 경험을 가지고 있습니다. 첸은 UC 버클리에서 코바리언트의 공동 창립자이자 수석 과학자인 피터 아빌(Pieter Abbeel) 밑에서 AI를 공부했습니다. 아벨은 첸이 ChatGPT에 입사한 지 한 달 뒤인 2016년에 OpenAI에 입사하였습니다. 코바리언트는 이듬해에 설립되었다고 합니다.

​

첸은 새로운 RFM-1 플랫폼이 이미 코바리언트 소프트웨어가 배포된 하드웨어의 "대부분"에서 작동할 것으로 기대한다고 말합니다.

---

※ 기사 내용 참조

​

[TechCrunch] Covariant is building ChatGPT for robots | By Brian Heater | 10:00 PM GMT+9•March 11, 2024 | https://techcrunch.com/2024/03/11/covariant-is-building-chatgpt-for-robots/

---

https://pf.kakao.com/_UCxoxnT

웨어러블서치