(1) 개요

9월 14~16일, 로보시지에서 진행한 Physical AI 교육에 참여하였다. 평소 우리 연구실에서도 Physical AI에 관심을 갖는 연구원들이 있고, 실제로 내 옆자리에 로봇이 자리 잡고 있을 만큼 주변 환경은 익숙했다. 하지만 막상 그 분야를 직접 접할 기회는 없었다. 최근 Physical AI 가 화두가 되고 있는 만큼 언젠가 제대로 배워보고 싶다는 생각은 늘 있었는데, 이번 교육이 그 갈증을 해소해 준 계기가 되었다. 이런 기회를 마련해 주신 교수님과 허종국 연구원과 로보시지에게 진심으로 감사드린다.

(2) Physical AI, 이게 왜 어려운 걸까?

교육 전까지는 솔직히 의문이 있었다. 옆자리 로봇은 맨날 삐걱거리고, 제대로 된 동작 하나 보여주지 못하는 것 같아 답답하기도 했다. '저게 그렇게 어려운 건가?' 싶었던 것이 솔직한 심정이었다. 그런데 직접 데이터를 수집하고, 학습을 시키고, 추론을 돌려보니 그 답답함의 이유를 비로소 이해하게 되었다.

Physical AI의 핵심은 데이터에 있다. 그리고 그 데이터를 만드는 과정이 생각보다 훨씬 까다롭다. 텔레오퍼레이션으로 로봇을 조종하며 시연 데이터를 수집하는 과정에서, 에피소드 하나하나를 정밀하게 구성해야 한다는 것을 몸소 깨달았다. 데이터가 일관성을 잃는 순간 모델은 방향을 잃는다. 정해진 틀 안에서 일관된 시연을 반복해야 한다는 것, 그게 말처럼 쉽지 않다는 것을 직접 느꼈다. 

(3) 초보자도 따라갈 수 있었던 이유는 무엇인가? 

Physical AI는 GPU도 필요하고, 로봇이라는 하드웨어까지 더해지는 만큼 진입 장벽이 높은 분야다. 나처럼 해당 분야를 처음 접하는 입장에서는 어디서부터 시작해야 할 지조차 막막할 수 있다. 그런데 이번 교육은 기본 개념부터 데이터 수집, 모델 학습, 추론까지 단계별로 차근차근 안내해 주어서 초보자도 흐름을 놓치지 않고 따라갈 수 있었다. 환경 설정이나 로봇 연동처럼 혼자였다면 분명 막혔을 지점들도, 잘 정리된 문서와 친절한 설명 덕분에 무사히 넘길 수 있었다.

무엇보다 인상 깊었던 것은, 단순히 이론과 실습에 그치지 않고 우리가 직접 학습시킨 로봇을 활용해 소소한 게임도 만들어 주셨다는 점이다. 어렵고 딱딱하게 느껴질 수 있는 분야인데, 이런 장치 덕분에 자연스럽게 흥미가 생기고 다양한 시도를 해보고 싶다는 의욕도 생겼다. Physical AI가 단순히 진입 장벽이 높은 연구 주제가 아니라, 재미있게 탐구할 수 있는 분야로 느껴지기 시작한 것도 이 경험 덕분인 것 같다.

(4) 마치며

이번 교육을 통해 Physical AI가 단순히 '로봇을 움직이는 것'이 아니라, 데이터의 질과 일관성, 그리고 학습 설계 전반에 얼마나 많은 공이 들어가는지를 체감할 수 있었다. 앞으로 연구실에서 로봇 연구를 지켜보는 시선도 분명 달라질 것 같다. 이런 값진 경험을 할 수 있도록 지원해 주신 교수님, 그리고 함께 교육을 준비하고 진행해 주신 모든 분들께 감사드린다.