로봇을 현장마다 옮기고, 지켜보고, 기록하며 데이터를 수집하는 일. 정말 많은 시간과 비용이 들어가죠. 로봇을 현장마다 옮기고, 지켜보고, 기록하며 데이터를 수집하는 일.
정말 많은 시간과 비용이 들어가죠.
그래서 오늘은 로봇 없이 로봇 데이터를 모으는 방법,
그리고 이렇게 모은 데이터를 제대로 검증하는 방법을 3가지로 소개합니다.
세 줄 요약
- 계단도 못 오르는 보행보조기, 그 약점이 오히려 로봇 데이터의 장점이 됐습니다.
- 로봇의 실패를 판정하는 AI, 도입하기 전에 그 AI부터 검증해야 합니다.
- 좋은 합성데이터의 기준은 두 가지, 빈 곳을 채우고 물리 법칙을 지키는 것.
|
|
|
보행보조기는 제약이 많습니다. 계단도, 깎이지 않은 연석도 넘지 못하죠.
그런데 역설적이게도, 그 덕분에 데이터에는 바퀴 달린 로봇이 갈 수 있는 길만 담길 수 있었습니다.
미국 노스이스턴대 연구진은 실제로 이렇게 37km의 데이터를 모았습니다.
약점처럼 보이던 제약이 오히려 데이터의 장점이 된 셈입니다. |
|
|
로봇 실패 검출 전용 모델이 범용 VLM보다 못하다? |
|
|
로봇이 작업에 성공했는지 실패했는지, 요즘은 사람 대신 AI가 판정하는 경우가 많습니다.
그런데 좀 더 깊게 생각해봤을 때, 이 AI 자체가 정말 믿을만 할까요?
데이터의 관점에서, 로봇의 실패를 검증하는 AI의 성능을 향상시킬 수 있는 방법을 알아보았습니다. |
|
|
로봇 실패 검출 전용 모델이 범용 VLM보다 못하다? |
|
|
“이제 로봇의 합성데이터에서 양보다 질이 중요한 건 알겠는데, 그 구체적인 기준이 뭘까?”
그 답변을 드리자면, 핵심은 두 가지입니다.
- 전체 데이터 중 어디가 비어 있는지 정확하게 파악하고, 그 공백을 채워주는 것입니다.
- 물리 법칙을 지켜야 합니다. 세상을 온전히 배울 수 있도록 말이죠.
|
|
|
피지컬 AI 시대, 로봇의 실력은 결국 데이터가 결정합니다.
하드웨어에만 집중하던 시대에서 벗어나, 데이터의 영향력은 더욱 커지고 있습니다.
페블러스는 앞으로도 좋은 인사이트를 꾸준히 뉴스레터로 전달드리겠습니다. |
|
|
본 내용은 페블러스의 기획 하에 AI를 보조적으로 활용하여 작성되었으며, 페블러스의 엄밀한 감수를 거쳐 출간되었습니다. |
|
|
🚀 AI 기반 데이터 혁신, 지금 페블러스와 함께 하세요! |
|
|
페블러스는 AI와 데이터 분석을 통해 다양한 산업의 문제를 해결하고,
더 나은 의사결정을 지원합니다.
📌 페블러스에 대해 더 알고 싶거나, 협업 및 파트너십을 논의하고 싶다면
언제든지 연락 주세요!
페블러스 드림 |
|
|
|
