AI 로봇 팔 데이터셋 공개…‘물리 AI’ 발전 가속
NewsBTC2026년 9월 4일 16:483
인공지능(AI) 기술 발전의 핵심 동력 중 하나인 데이터가 더욱 폭넓게 공개되며 관련 산업의 혁신을 예고하고 있습니다. 특히 로봇 공학 분야에서 ‘물리 AI(Physical AI)’의 발전을 이끌 것으로 기대되는 대규모 로봇 팔 시뮬레이션 데이터셋이 오픈소스로 공개되어 이목을 집중시키고 있습니다.
Axis Robotics는 최근 ‘Axis Sim Dataset V1’을 공개했습니다. 이는 프랭카(Franka) 로봇 팔 조작을 위한 데이터셋으로는 최대 규모에 속하는 오픈소스 시뮬레이션 데이터셋으로, 전체 데이터셋, 학습 코드, 벤치마크 결과까지 모두 공개되어 누구나 자유롭게 접근하고 활용할 수 있습니다. V1은 207가지 조작 작업에 걸쳐 50,000개 이상의 인간 원격 조작 시뮬레이션 궤적과 시뮬레이션된 프랭카 리서치 3(Franka Research 3) 암을 기반으로 한 60,000개 이상의 장면 변형을 포함하고 있습니다.
이 데이터셋은 이미 Hugging Face에서 160,000건 이상의 다운로드를 기록하며 프랭카 조작 분야에서 가장 많이 다운로드된 오픈소스 시뮬레이션 데이터셋으로 등극했습니다. 벤치마크 테스트 결과, V1을 활용한 지속적인 사전 학습은 성능을 0.5 이상 향상시켰으며, 볼륨이 일치하는 RoboCasa(로보카사) 기반선(baseline)을 능가하는 성과를 보였습니다. 모든 결과는 투명하게 공개되어 검증 가능합니다.
Axis Robotics는 이번 데이터셋 공개를 시작으로 물리 AI를 위한 궁극적인 복합 데이터 엔진 구축에 나섰습니다. 이는 대규모 시뮬레이션, 실제 환경 캡처, 휴머노이드 로코-조작(loco-manipulation), 인간 검증 DAgger(Data-driven Guided Action Refinement) 후처리 학습에 이르는 수직 통합 시스템을 포함합니다. 이러한 비전에 힘입어 Axis Robotics는 Hack VC가 주도하고 Nomad Capital, Pi Network Ventures, 10K Ventures 및 엔젤 투자자들이 참여한 시드 펀딩 라운드에서 1,200만 달러를 성공적으로 조달했습니다.
**'깨끗한 데이터'에 대한 반론: 노이즈 데이터의 가치**
로봇 공학 분야에서는 일반적으로 시연(demonstration) 데이터가 처음부터 최적에 가까워야 한다는 가정이 지배적입니다. 즉, 전문가 궤적을 필터링하고, 설정을 표준화하며, 노이즈가 있는 데이터는 안전하게 모방하기 전에 폐기해야 한다는 것입니다. 하지만 Axis Robotics의 논리는 정반대입니다. 이들은 데이터의 품질이 개별 궤적이 아닌, 데이터 분포의 다양성에서 나온다고 주장합니다. 충분히 크고 다양한 군중이 노이즈가 있거나 최적이 아닌 궤적을 생성하고, 그들의 오류가 서로 상관관계가 없을 때, 노이즈는 평균화되고 학습 과정에서 작동하는 정책(policy)이 살아남게 된다는 것입니다.
Axis Sim Dataset V1은 이러한 Axis Robotics의 가설을 공개적으로 검증하는 역할을 합니다. 이 데이터셋의 궤적은 물건 집기 및 내려놓기(pick-and-place), 쌓기(stacking), 따르기(pouring), 관절 물체 조작(articulated-object manipulation), 도구 사용(tool use) 등 다양한 작업을 포함합니다. 이 데이터는 단일 전문가 팀이 아닌, Axis의 웹 기반 원격 조작 플랫폼인 ‘Axis Hub’를 통해 분산된 군중으로부터 수집되었습니다. 이 데이터셋 구축에는 UC 버클리, 존스 홉킨스, 미시간 대학교 등 유수의 연구 기관 연구진들이 참여했습니다.
**결과로 입증된 확장성**
LIBERO-Plus 벤치마크에서 V1을 활용한 지속적인 사전 학습은 성공률을 83.9%에서 88.8%로 0.5%p 향상시켰으며, 볼륨이 일치하는 RoboCasa365 기반선보다 37.3% 더 나은 성능을 보였습니다. 특히, 사전 학습 데이터의 규모가 데이터셋의 25%에서 100%로 증가함에 따라 성능이 꾸준히 향상되었으며, 이러한 개선에는 한계점이 보이지 않았습니다. 이는 데이터셋의 규모 증가뿐만 아니라, 다양성과 포괄성이 성능 향상에 기여하고 있음을 명확히 보여줍니다. 가장 큰 성능 향상은 카메라, 센서 노이즈, 레이아웃 등 Axis가 생성 과정에서 무작위화하는 요소들의 변동 하에서 나타났습니다.
Axis Robotics 팀은 이미 V2 개발에 착수했으며, 1,200개의 작업에 걸쳐 120만 개의 궤적으로 데이터셋 규모를 확장할 계획입니다. V2에는 다양한 장치(cross-embodiment)에서의 일반화 능력과 여러 VLA(Vision-Language-Action) 모델에서의 결과가 포함될 예정이며, 최적이 아닌 시뮬레이션 데이터가 강력한 정책을 학습시킨다는 점을 입증할 것입니다.
**물리 AI의 미래, 데이터 엔진의 중요성**
Axis Robotics가 추구하는 ‘복합 데이터 엔진’은 물리 AI 분야의 미래를 여는 열쇠로 여겨집니다. 기존의 로봇 학습 방식은 실제 로봇과 동일한 환경을 구현하는 데 많은 비용과 시간이 소요되었으며, 현실 세계의 복잡성과 예측 불가능성을 완벽하게 반영하기 어려웠습니다. 하지만 대규모 시뮬레이션 데이터를 통해 다양한 시나리오와 예외 상황을 학습시키고, 실제 환경에서의 데이터를 보강하는 방식을 통해 이러한 한계를 극복할 수 있습니다.
특히 Axis Robotics의 접근 방식은 '물리적인 AI', 즉 현실 세계와 상호작용하고 물리적 법칙을 이해하며 행동하는 AI를 구축하는 데 초점을 맞추고 있습니다. 이는 단순히 데이터를 많이 모으는 것을 넘어, 데이터의 질과 다양성을 확보하고, 이를 통해 로봇이 복잡하고 예측 불가능한 실제 환경에서도 안정적으로 작동할 수 있도록 만드는 것을 목표로 합니다. 이번 Axis Sim Dataset V1 공개는 이러한 목표 달성을 위한 중요한 발걸음이며, 향후 물리 AI 기술의 발전에 큰 영향을 미칠 것으로 전망됩니다. 앞으로 Axis Robotics가 공개할 V2 데이터셋과 이를 기반으로 한 연구 결과들이 더욱 기대되는 이유입니다.