선데이 로보틱스 ACT-2 프리뷰 해설: 빨래 접기 99%와 로봇 데이터 수집의 경제학

핵심 메시지

• 선데이 로보틱스는 처음 보는 환경에서 별도 학습 없이 빨래 접기를 99% 성공했다며, 이를 데모가 아닌 '해결'이라고 표현했다.
• 성과를 주장하기 전에 어떤 빨랫감을 대상으로 하는지, 어떤 환경과 초기 상태를 처음 보는 조건으로 볼지부터 정의한 점이 눈에 띈다.
• 사전학습 데이터를 늘릴수록 학습 환경과 새 환경의 성능 격차가 줄어드는 그래프는 대형 언어 모델에서 익숙한 스케일링 곡선과 닮았다.
• 이 회사는 데이터 수집 인력을 '메모리 디벨로퍼'라 부르며 시간당 30~60달러를 지급하는데, 진행자들은 이 방식의 비용이 지속 가능한지 의문을 제기한다.
• 가정의 와이파이 환경이 불안정해 클라우드 추론이 실패했고, 결국 로봇에 탑재한 엣지 추론으로 전환했다는 대목이 실사용 조건의 까다로움을 보여준다.

쉽게 이해하기

이 영상은 가정용 로봇 스타트업 선데이 로보틱스가 공개한 ACT-2 프리뷰 자료를 국내 로보틱스 연구자들이 함께 읽어 나가는 형식이다. 이 회사의 공동창업자는 액션 청킹 트랜스포머 계열 알고리즘으로 알려진 인물이고, 회사의 모델 이름들도 여기서 이어진다. 이번 발표의 핵심은 처음 보는 집과 침대, 조명 조건에서 추가 학습 없이 빨래를 접어 99%의 성공률을 냈다는 주장이다.

진행자들이 주목한 것은 성공을 정의하는 방식이다. 회사는 티셔츠나 블라우스처럼 대상 빨랫감의 범위를 먼저 못 박고, 처음 보는 환경과 초기 배치 조건도 함께 규정했다. 결과는 5점 만점 루브릭으로 채점해 평균 4.72점을 받았고, 티셔츠류는 99%였지만 형태가 잘 잡히지 않는 블라우스는 94%로 떨어졌다. 편집 없이 두 시간 반 분량 영상을 5배속으로 통째 공개한 것도 한 번 성공한 장면만 골라 보여주는 데모와 선을 긋기 위한 선택으로 읽힌다.

기술적으로 가장 흥미로운 부분은 사전학습의 효과를 보여주는 그래프다. 사전학습 데이터를 늘릴수록 학습에 포함된 환경과 새로운 환경 사이의 성능 격차가 0에 가까워지고, 데이터를 균등하게 뽑을 때보다 중요한 데이터를 우선 고를 때 성능이 먼저 올라간다. 진행자들은 검증 손실이 실제 성공률과 상관관계를 보인다는 점에 주목하는데, 로봇을 실제로 돌려 평가하는 비용이 매우 비싸기 때문에 이런 대체 지표가 실무에서 중요하다는 이유에서다.

데이터를 모으는 방식도 논쟁거리다. 이 회사는 스킬 캡처 글러브를 낀 사람이 직접 빨래를 접으며 데이터를 남기게 하고, 그 인력을 데이터 수집가가 아니라 메모리 디벨로퍼라고 부른다. 시간당 30달러 수준에서 데이터 품질이 좋으면 60달러까지 지급하며, 링크드인에 이 직함을 내건 사람들이 확인될 만큼 규모가 커졌다. 진행자들은 인원 규모와 시급을 단순 계산해 보며 수집 비용만으로도 만만찮은 지출이 발생한다고 추산한다.

영상 후반에는 또 다른 신생 기업 월든 로보틱스가 등장한다. 토요타 연구소를 이끌던 MIT 교수가 동료들과 함께 창업했고 토요타의 투자와 실증도 받고 있는데, 가정이 아니라 산업 현장을 겨냥한다는 점이 다르다. 회사 이름은 소로가 2년을 지낸 월든 호수에서 따왔고, 인력을 대체한다는 말 대신 이미 일하고 있는 사람의 능력을 증폭한다는 표현을 쓴다는 점을 진행자들은 눈여겨본다.

주요 인사이트

• 로봇 회사가 내놓는 숫자는 평가 기준과 함께 읽어야 한다. 성공률 99%라는 표현도 어떤 빨랫감을 대상으로 몇 점부터 성공으로 셀지 정하지 않으면 비교할 수 없는 값이 된다.
• 실제 로봇을 돌려 성능을 재는 일은 비용이 크기 때문에, 학습 중에 측정할 수 있는 검증 손실이 실제 성공률과 얼마나 잘 맞아떨어지는지가 개발 속도를 좌우한다.
• 클라우드 추론이 실패한 이유가 모델 성능이 아니라 집집마다 다른 와이파이 환경이었다는 점은, 가정용 로봇의 진짜 난관이 실험실 밖에 있음을 보여준다.
• 사람이 장갑을 끼고 직접 시연해 데이터를 모으는 방식은 원격 조작보다 규모를 키우기 쉽지만, 로봇의 동작 속도가 데이터를 만든 사람의 속도를 따라간다는 점에서 한계도 함께 안고 있다.
• 진행자들은 1903년 라이트 형제의 12초 비행에서 1914년 첫 정기 항공 노선까지 11년이 걸렸다는 비유를 인용하며, 지금의 어설퍼 보이는 시연을 10년 뒤 기준으로 판단하지 말자고 정리한다.

자주 묻는 질문

관련 AI 소식