안녕하세요

이전 Isaac sim 관련 상세한 답변 감사드립니다.

아래 답변 주신 내용 관련 추가 질문이 있어 드립니다.

1. 현재 실제 제조 현장에서는 안전성 등의 이유로 시뮬레이션보다 실제 로봇을 움직여 학습하는 방식이 더 우세한가요?

(답변) 저는 주로 선행 연구(Research) 영역에 몸담아왔기에 보수적인 제조 현장의 모든 상황을 대변하기는 조심스럽습니다만, 산업계의 흐름을 보았을 때 "실제 로봇을 움직여 학습하는 방식"은 아직 일반적인 제조 현장의 표준이 아닙니다.

질문하신 '학습(Learning)'이 딥러닝 등을 통해 데이터를 모으고 모델을 훈련시키는 과정을 의미한다면, 이는 현재 실제 공장보다는 기업의 R&D 센터나 연구소에서 차세대 기술로 다루어지는 경우가 많습니다. 실제 양산 라인이나 제조 현장에서는 예측 가능성과 안전이 최우선이기 때문에, 여전히 사람이 직접 로봇의 궤적을 지정해 주는 티칭(Teaching) 기반의 제어나, 룰 기반의 프로그래밍이 압도적으로 많이 쓰입니다.

'실제 로봇 학습'은 주로 비정형화된 복잡한 작업을 수행하거나, 범용 로봇(Foundation Model)을 개발하기 위한 데이터 수집 목적으로 일부 선도 기업에서 시도되고 있습니다. 결론적으로 현재 현장에서는 '안전성' 때문에 실제 로봇 학습을 선호하는 것이 아니라, 오히려 안전성과 신뢰성을 담보하기 위해 검증된 기존의 제어 방식을 고수하고 있다고 보시는 것이 정확합니다.

1번에서 현재 제조 방식에서는 "티칭 기반의 제어나, 룰 기반의 프로그래밍이 압도적으로 많이 쓰인다"라고 하셨는데

그럼에도 불구하고, 아마존이나 중국 샤오미 등의 선도 업체는 물류창고 및 제조공장에서 로봇을 활용하여, 비정형화된 업무를 일부 진행하고 있는 것으로 보이는데, 이러한 업체들이 로봇의 작업을 어떻게 수행하게 했는지가 궁금합니다.

가령 비전을 통해서 물체의 형태에 따라 다른 basket에 넣는 작업 등은 시뮬레이션을 통한 학습을 통해 이루어졌다고 생각했는데, 강사님이 보시기에 이 또한 딥러닝 등을 통한 학습 기반이 아니라 티칭 기반의 제어나 룰 기반으로 보시는 걸까요?

제가 예를 든 사례 말고도 중국 공장, 아마존 물류 창고 등에서의 로봇의 비정형화된 작업 수행은 현재 어떤 방식으로 이루어지고 있는지 궁금합니다.

그리고 말씀하신 새로운 로봇 지능을 탄생시키는 필수 인프라가 저번에 깔릴 시기는 기술 발전 속도를 고려했을 때 언제 쯤으로 생각하시는지 궁금합니다.

하지만 앞으로는 '시뮬레이션에서 대규모로 학습된 일반화 능력을 가진 로봇' 들이 등장하여 이러한 제약을 넘어설 것입니다. 특히 물리적으로 수천, 수만 대의 로봇을 실제로 운용하며 데이터를 얻는 것은 비용과 시간 측면에서 불가능에 가깝습니다. 따라서 가상 공간에서 대규모 병렬 학습을 가능케 하는 Isaac Sim이나 강화학습에 특화된 Isaac Lab 같은 도구의 중요성은 기하급수적으로 높아질 것입니다. 단순한 도구를 넘어, 로봇 지능을 탄생시키는 필수 인프라가 될 것이라 전망합니다.

감사합니다!