← 목록으로

OpenAI, 범용 모델이 로봇을 제어하기 시작하면서 로보틱스 팀 해체

요약
  • OpenAI는 범용 모델이 로봇을 직접 제어할 수 있다는 판단에 따라 독립 로보틱스 팀을 해체하고 인력을 재배치했습니다.
  • 이는 로봇 전용 모델을 별도로 개발하기보다 언어, 코드, 시각 능력을 갖춘 범용 모델을 활용해 로봇 개발을 가속화하려는 전략입니다.
  • 회사는 2027년까지 자체 휴머노이드 로봇의 첫 공개 시연을 목표로 하고 있습니다.
  • OpenAI가 독립 로보틱스 팀을 해체하고 인력을 기존 연구 및 응용 조직으로 재배치함. 회사는 로봇 개발 철수가 아니라 범용 로봇 개발을 가속하기 위한 개편이라고 밝힘
  • 개편의 계기는 GPT-6 Astra 등 범용 모델을 로봇에 직접 적용할 수 있다는 발견임. 로봇 전용 모델을 별도로 개발하기보다 언어, 코드, 시각 모델의 역량을 활용하는 방식에 무게를 둠
  • Nvidia 연구에서 Astra 기반 에이전트는 시뮬레이션 조작 벤치마크 성공률 74.8% 를 기록해 최고 로봇 특화 모델의 51.0%를 웃돌았음. 실제 로봇이 아닌 디지털 환경의 결과임
  • 전문가들은 범용 모델의 발전에도 현장 배치 경험과 데이터, 인터넷 연결 없이 로봇 내부에서 실행할 수 있는 소형 특화 모델이 여전히 필요하다고 봄
  • 이번 개편은 비용 절감과 핵심 제품 집중 압박 속에서 이뤄짐. OpenAI는 범용 로봇 개발 의지를 유지하며 자체 휴머노이드 로봇의 첫 공개 시연을 2027년 목표로 잡고 있음
독립 조직 해체와 인력 재배치
  • OpenAI는 독립 로보틱스 팀 해체를 확인했으며, 로보틱스는 여전히 장기 비전의 핵심이라고 밝힘
    • 로보틱스 연구팀은 최고연구책임자 Mark Chen이 이끄는 주 연구 조직으로 이동함
    • 응용 로보틱스 및 하드웨어 팀은 사장 Greg Brockman 산하의 더 큰 Applied 조직으로 편입됨
  • 회사는 이번 재배치가 범용 로봇 개발을 가속하는 최선의 방법이라고 판단함
  • 개편은 Austin에서 열린 로보틱스 학회 CoRL의 부스 등록 이후에 이뤄질 만큼 최근 진행됨
    • 학회 앱과 배치도에는 OpenAI의 208번 부스가 표시돼 있었지만, 현장에는 로고나 전시물, 시연이 없었음
    • 기존 팀 구성원 몇 명이 부스 주변에 모였고, 전시 없이도 방문객이 몰림
    • 범용 모델의 역량이 커질수록 로보틱스 전문성이 얼마나 가치를 유지할지가 학회의 주요 관심사였음
2020년 철수에서 휴머노이드 개발까지
  • OpenAI는 초기에도 로보틱스 팀을 운영했지만 2020년 활동을 접었음
    • 공동창업자 Wojciech Zaremba는 이후 로봇 데이터 부족과 다른 방법을 통한 더 효율적인 범용인공지능(AGI) 개발 경로를 이유로 들었음
    • 이후 대규모 인간 작성 텍스트로 초대형 언어 모델을 훈련하는 데 집중했고, 이 접근은 2022년 말 ChatGPT로 이어짐
  • 2024년 독립 로보틱스 팀을 재건하면서 Figure와 휴머노이드용 AI 모델 개발 협력을 발표함
    • Figure가 자체 로봇 AI를 개발하겠다고 밝힌 2025년 2월 협력 관계가 종료됨
  • 현재 OpenAI는 자체 휴머노이드 로봇을 개발 중이라고 밝혔으며, CEO Sam Altman은 첫 공개 시연 시점을 2027년으로 잡고 있음
로봇 전용 모델에서 범용 지능의 응용으로
  • 이번 개편은 언어, 코드, 시각을 위해 만든 범용 모델을 체화된 AI(embodied AI) 에도 사용할 수 있다는 접근에 기반함
    • 체화된 AI는 로봇, 자율주행차, 드론처럼 물리 세계에서 행동하는 장치를 AI 모델이 제어하는 것을 뜻함
    • 이 접근이 성립하면 로봇의 두뇌 역할을 할 특화 모델을 별도 로보틱스 팀에서 개발할 필요가 없어짐
  • OpenAI 연구진은 연초에는 Sora 같은 모델의 연구 성과를 기반으로 로보틱스를 발전시키는 것이 최선이라고 생각했음
    • 사실적인 영상을 생성하려면 물리 세계의 작동 방식을 어느 정도 암묵적으로 이해해야 한다는 전제였음
    • 이후 GPT-6 Astra를 비롯한 범용 최첨단 모델을 로보틱스에 직접 적용할 수 있음을 확인했고, 이것이 조직 개편의 계기가 됨
  • Carnegie Mellon University Robotics Institute의 Guanya Shi 조교수는 이를 OpenAI가 로보틱스를 더 이상 별개의 특수 문제로 보지 않는 신호로 해석함
    • 같은 기반 모델이 코딩, 법률, 금융 도구를 구동하듯 로보틱스도 범용 지능의 하위 응용 분야로 보는 것으로 추정함
비용 절감과 핵심 사업 집중
  • OpenAI는 비용을 억제하고 소수 핵심 제품에 집중하라는 압박도 받고 있음
    • Altman은 전년에 회사가 “곁가지 과제”를 포기해야 한다고 했으며, 회사는 Sora 등을 중단하고 컴퓨팅 자원을 더 핵심적이고 수익 가능성이 있는 사업으로 재배분함
  • 최근 분기 영업손실이 109억 달러에 달한 것으로 전해짐
    • 신규 투자 유치를 마무리하려는 동시에 2027년 초 IPO 가능성에 대비하면서 손실 축소 압박을 받고 있음
범용 모델의 로봇 제어 성과와 한계
  • 최근 실험은 로봇 데이터로 특화 훈련하지 않은 범용 모델이 얼마나 많은 작업을 수행할 수 있는지 시험함
    • Astra에 카메라 이미지, 로봇 정보, 행동 명령을 내릴 수 있는 제어 인터페이스를 제공함
  • Nvidia 연구에서 Astra 기반 에이전트는 시뮬레이션 조작 벤치마크에서 74.8% 성공률을 기록함
    • 같은 순위표에서 최고 로봇 특화 모델의 보고된 성공률은 51.0%였음
    • 실제 로봇을 조작한 결과가 아니라 디지털 시뮬레이션 속 로봇을 제어한 결과임
  • Shi에 따르면 범용 모델의 공간 이해와 추론 능력이 발전하면서 이전에는 전용 훈련이 필요했던 작업도 처리할 수 있게 됨
    • 병의 위치나 조명이 바뀌어도 대응하고, 작업 순서나 어느 단계에서 문제가 생겼는지 추론할 수 있음
  • 반면 대규모 언어 모델은 강력하지만 느리고 클라우드 호스팅이 필요해 상시 네트워크 연결을 요구함
    • Shi는 인터넷에 계속 연결하지 않고 로봇의 내장 컴퓨터에서 실행할 수 있는 소형 특화 모델이 여전히 필요하다고 봄
로보틱스 스타트업의 현장 데이터와 남은 불확실성
  • 범용 모델이 별도의 공간 지능 특화 모델 없이 로봇을 직접 제어할 수 있다는 접근은 로봇에 독자적 두뇌가 필요하다는 전제로 수십억 달러를 유치한 스타트업들의 기반 가정에 도전할 수 있음
  • MIT 교수이자 Walden Robotics 공동창업자 겸 CEO인 Russ Tedrake에 따르면 로보틱스 기업은 AI 연구소에는 없는 현장 배치 경험을 보유하고 있음
    • 공장 등 실제 환경에서 얻는 경험과 데이터는 로봇이 특정 작업장과 업무에 적응하는 데 도움을 줌
    • 기반 모델이 좋아지면 로봇이 현장 데이터에서 더 빨리 학습할 수 있으므로, 해당 데이터의 가치도 높아짐
  • 로봇용 범용 AI 모델을 훈련하는 Generalist의 공동창업자 Pete Florence는 지능을 발전시키는 출발점이 여러 가지일 수 있다고 봄
    • 기존 모델 가운데 어느 것이 장기적으로 로보틱스를 지배할지는 아직 불분명함
그냥 목록으로
원문 보기 ↗