VLA・모방 학습 개발쓸 수 없는 동작을, 사람의 시연에서 배우게 합니다.
대상물의 형태나 위치가 매번 달라지는 작업은 동작을 프로그램으로 쓰기 어렵습니다. 사람의 시연에서 동작을 학습시키는 모방 학습과, 시각・언어 이해를 동작 생성으로 잇는 VLA 구현에 힘쓰고 있습니다.
VLA・모방 학습 상담하기
공장·창고의 반송 시뮬레이션
Unitree G1
Isaac Sim 내의 물리 시뮬레이션으로, 0.25 kg의 상자를 양손으로 유지하고, 약 1.2 m 걸어 다른 받침대에 놓는 동작을 검증했습니다. 실제 기계의 영상이 아닙니다.
RealMan RMC-AIDAL
본체 30×20×20 cm・총중량 10 kg의 상정 반송 케이스의 핸들을 파지해, 약 1.2 m의 바퀴 주행으로 반송해 받침대에 놓고, 손을 뗄 때까지를 검증했습니다. 공개 CAD 모델의 무게중심・접촉설정을 보정한 물리 시뮬레이션으로, 실기의 내하중을 보증하는 것은 아닙니다.
RealMan RMC-AIDAL: 양팔로 10kg 케이스 반송
본체 30×40×20 cm・총중량 10 kg의 상정 반송 케이스를, 좌우의 핸들로 양손 파지해, 약 1.2 m 반송해 대에 두는 동작을 검증했습니다. 반송중은 좌우 양손의 접촉과 하중 분담을 기록하고 있습니다. 공개 CAD 모델의 무게중심・접촉설정을 보정한 물리 시뮬레이션으로, 실기의 내하중을 보증하는 것은 아닙니다.
선반에의 보충, 부품 상자의 공급, 구분 등, 대상 업무에 맞춘 시뮬레이션·실증 실험도 상담할 수 있습니다.
환경·상자의 3D소재: NVIDIA SimReady / codepawl/simready-glb · CC BY 4.0 · 소재의 변환・치수・표시 재질을 조정하고 있습니다.
프로그램으로 쓸 수 없는 작업이 있습니다
정해진 위치의 정해진 물건을 잡는 것이라면, 동작을 직접 쓰는 편이 확실하고 빠릅니다. 학습을 꺼낼 의미가 있는 것은 쓸 수 없는 작업일 때뿐입니다.
대상물의 형태가 개체마다 다르고, 놓인 방식이 매번 바뀌고, 봉투나 천처럼 변형된다. 이런 작업은 조건 분기를 다 쓸 수 없습니다. 사람의 시연을 보여 동작을 획득시키는 접근이 현실적이 됩니다.
한편 학습은 만능이 아닙니다. 필요한 데이터 양은 작업의 난이도와 요구하는 성공률에 따라 달라지고, 모아 보기 전에는 읽어낼 수 없는 부분이 있습니다. 시험 수집으로 가늠한 뒤 본 수집으로 넘어가는 방식을 취합니다.
구현 예: Gemini 4 Argon × Unitree G1(시각을 행동으로 변환)
Gemini 4 Argon를 이용해 Unitree G1이 하드코드된 동작을 일절 사용하지 않고 페트병을 잡아 들어올리는 실기 검증에 성공했습니다. AI가 카메라의 시각 정보를 직접 로봇의 액션으로 변환하여 대상물의 위치를 바꾸어 다시 놓아도 상황에 따라 파지 동작을 생성합니다.
이러한 기반 모델·VLA를 이용한 시각으로부터의 행동 생성과, 사람의 실연 데이터에 근거하는 모방 학습을, 대상 기체나 현장의 작업 조건에 맞추어 설계·실장합니다.
맡을 수 있는 범위
대상 작업의 구분
학습으로 풀어야 할 부분과 직접 쓰는 편이 빠른 부분을 나눕니다. 전부를 학습시킬 필요는 없습니다.
시연 데이터의 수집 설계
무엇을, 어느 시점에서, 얼마나 기록할지. 대상 작업・기체・품질 기준을 설계합니다.
원격 조작에 의한 시연
조작자의 신체 동작을 로봇에 전사해, 실기로 작업시키면서 데이터를 모읍니다. 운용과 수집을 동시에 진행할 수 있습니다.
모방 학습 구현
수집한 데이터로 동작을 학습시키고 성공률을 평가합니다. ROS 2 / LeRobot을 기반으로 구현합니다.
VLA 구현
시각과 언어의 이해를 동작 생성으로 잇습니다. 말에 의한 지시와 눈앞의 상황에서 다음 동작을 정하는 구성입니다.
실기 평가
벤치마크가 아니라 대상 현장에서 성공률과 택트를 측정합니다. 조건을 바꿔 성립 범위를 특정합니다.
데이터가 모든 것의 토대가 됩니다
학습의 성패는 모델보다 먼저 데이터로 정해집니다. 시점이 부족하다, 실패 사례가 없다, 작업 조건이 흔들린다. 이런 데이터로 학습시켜도 현장에서는 움직이지 않습니다.
당사에서는 대상 작업・기체・수집량・품질 기준을 설계한 뒤 실기에서 데이터를 취득합니다. 원격 조작으로 실제 작업을 시키면서 시각・행동・대화・비언어를 동기 기록하는 구성도 마련하고 있습니다.
데이터 수집만 수탁하거나, 수집 환경 구축만 상담하시는 것도 가능합니다.
NVIDIA GEAR Sonic × Unitree G1: 실제 로봇에서의 동작 검증
Unitree G1 실제 로봇에서 NVIDIA GEAR Sonic을 실행하고 동작을 확인했습니다. 영상을 통해 검증 과정을 소개합니다.
Gemini 4 Argon × Unitree G1: 시각에서 행동으로 변환하는 자율 파지 데모
Gemini 4 Argon를 사용하여 Unitree G1이 페트병을 잡고 들어 올리는 실기 검증을 실시했습니다. 하드코드된 모션은 일절 사용하지 않고, AI가 카메라의 시각 정보를 그대로 행동으로 변환하고 있습니다.
대상물의 위치를 바꾸어 다시 놓아도 AI가 시각에서 상황을 이해하여 파지 동작을 생성합니다. Unitree G1을 이용한 피지컬 AI·VLA의 실장이나, 대상 업무에 맞춘 PoC·실증 실험의 수탁 개발도 받고 있습니다.
자주 묻는 질문
학습 데이터는 얼마나 필요합니까?
작업의 난이도, 환경 변동의 크기, 요구하는 성공률에 따라 달라집니다. 먼저 시험 수집을 하고 필요한 양과 품질 기준을 가늠한 뒤 본 수집으로 넘어가는 방법을 취합니다. 처음부터 총량을 약속하지는 않습니다.
데이터를 가지고 있지 않은데 시작할 수 있나요?
네. 수집 설계부터 대응합니다. 원격 조작으로 실기에 작업을 시키면서 기록하는 구성이라면, 운용과 데이터 수집을 동시에 진행할 수 있습니다.
어떤 로봇에 구현할 수 있나요?
ROS 2나 기체 SDK로 제어할 수 있는 기체라면 상담 가능합니다. 2차 개발에 대응하는 모델이 다루기 쉽습니다. 대상 기체를 알려주세요.
VLA와 모방 학습의 차이는 무엇인가요?
모방 학습은 사람의 시연에서 동작을 획득시키는 기법의 총칭입니다. VLA는 시각과 언어의 이해를 동작 생성으로 잇는 모델 구성을 가리키며, 말에 의한 지시를 다룰 수 있다는 점이 다릅니다. 대상 작업에 따라 구분해 씁니다.
VLA・모방 학습 상담
대상 작업과 기체, 지금 보유한 데이터 상황을 알려주세요. 학습으로 풀어야 할 범위의 구분부터 함께합니다.
VLA・모방 학습 상담하기