• 이상: 로봇 팔이 정상적으로 움직이고, 작업 효율성 상승
• 현실: 함께 일하는 로봇 팔끼리 충돌합니다.
• 또는 공장에서 생산하는 제품을 장애물로 인식하여 부딪혀요.
• 공정 전체를 멈추게 하거나, 열심히 개발한 로봇 팔이 물리적으로 손상됩니다.

그래서 페블러스는 아래 4단계를 거쳐 로봇 팔 충돌 문제를 해결했습니다!

• 페블러스의 '데이터클리닉'으로 무인공장의 멀티모달 데이터를 진단했습니다.
• 전체적인 진단 결과를 확인한 후, 2주 단위 스프린트로 개발 범위를 확정했어요.

2. 정제 파이프라인 구축

• 결측치 보정, 이상치 제거, 포맷 표준화가 가능한 자동화 파이프라인을 설계했어요.
• 이 과정에서도 역시 페블러스의 데이터클리닉이 적용되었습니다.

3. 데이터 지식화 및 벡터화

• 정제된 데이터에 의미 정보를 부여했습니다.
• 임베딩 모델을 통해 벡터로 변환했어요.
• 이를 지식 그래프 기반 저장소에 구축해서 의미 기반 검색이 가능하도록 했어요!

4. API 연동 및 성능 실증

• 처리된 데이터를 LLM/VLA 모델의 학습 포맷에 맞게 표준화하여 제공하는 API를 개발했습니다.
• 이 API를 통해 정합성 목표 달성 여부를 검증했습니다.

여기서 가장 큰 활약을 한 건, '페블로스코프'!

물론 데이터 품질 관리 솔루션, 데이터클리닉도 큰 역할을 했지만...

데이터 시각화 도구, 페블로스코프가 큰 활약을 했습니다. 

• 사실 로봇 팔이 박스를 옮기다 부딪히는 순간, 이런 충돌 데이터는 전체의 단 5% 미만입니다.
• 희귀하지만, 그렇다고 해서 방심하면 공정 전체를 멈출 수 있는 치명적인 데이터죠.
• 이를 어떻게 관리하느냐가 피지컬 AI의 고품질 데이터셋을 만드는 핵심이고요.
• 그러나 아무래도 소수의 데이터를 다각도로 분석하는 과정 자체가 매우 어렵습니다. 

그래서 페블러스의 데이터 시각화 도구 '페블로스코프'를 통해 물리기반 시뮬레이터에서 발생한 9,000장의 이미지를 분석했습니다.

이 중 429장의 충돌 이미지를 선별하여 3차원에서 자세히 관찰하자, 이런 양상이 보였습니다. 

🔸멀리 떨어진 군집들

• 물리적으로 완전히 다른 사고 유형을 말해요.
• 어느 군집은 '로봇 팔 상단의 접촉', 다른 군집은 '박스를 놓치며 발생한 충돌'이라 할 수 있는 것이죠.
• 이렇게 군집별로 사고 원인을 분류하고 개선할 수 있었어요.

🔸점이 찍히지 않은 빈 공간

• 아직 확보하지 못한 사고 시나리오를 뜻합니다.
• 이 빈 영역만 골라 합성데이터를 채워 넣으면, 지금까지 미처 예상치 못한 사고도 예방할 수 있습니다.

🔸무리에서 떨어진 외딴 점

• 잘못 라벨링된 노이즈이거나, 반드시 챙겨야 할 엣지 케이스일 확률이 높습니다.

👉 이렇게 페블러스와 함께한 결과...

전북대학교 피지컬AI융합기술사업추진단은 단 2개월 만에 목표를 달성했습니다!

연구원분들은 모델 연구에 집중할 수 있게 되었습니다. 

1) 우주 속 별자리 형태 = 데이터 시각화에 가장 최적화된 형태!

아래 페블로스코프 영상을 보시면 마치 우주와 같은 풍경을 볼 수 있어요!

우주 여행을 하는 듯한 기분이 들죠. 

우주 속 별자리 형태를 택한 이유는?

‘비정형 데이터, 멀티모달 데이터의 본질’이 잘 드러나기 때문입니다.

복잡한 구조의 비정형 데이터, 멀티모달 데이터.

데이터의 특성을 자세히 파악하기 어려워요.

그런데 페블로스코프로 우주 여행하듯이, 데이터를 다차원적으로 관찰한다면?

• 비슷한 특징의 데이터끼리는 가까이 모입니다.
• 반대로 성격이 다른 데이터는 멀리 떨어지죠.
• 데이터가 부족한 영역은 ‘빈 공간’으로 나타납니다.
• 이상치는 군집에서 떨어진 외딴 별처럼 보입니다.

데이터의 '진짜 모습'이 그대로 드러납니다!

게다가 관찰 시점을 자유롭게 이동하면서 더 세밀하게 데이터를 관찰할 수 있어요. 

여러분이 미처 알아채지 못한 이상치, 과소, 과밀한 영역까지 모두 잡아낼 수 있어요.