출처: globenewswire.com원문 보기
DEEP Robotics, 로봇 물리 예측·동작 학습 등 피지컬 AI 연구 5종 발표
3줄 요약
- DEEP Robotics가 실제 환경에서 로봇의 판단과 움직임을 개선하기 위한 피지컬 AI 연구 5종을 발표했습니다.
- 연구에는 물리 현상을 반영한 월드 모델과 시각·언어·동작 모델, 강화학습, 공간 기억, 평가용 데이터가 포함됩니다.
- 일부 성능은 시뮬레이션과 실제 로봇 시험에서 개선됐지만, 상용 현장 배치 성과로 발표된 것은 아닙니다.
DEEP Robotics는 10월 24일 자사의 로봇 지능 체계인 DEEPRobotics-Brain을 뒷받침할 연구 5종을 공개했습니다. 회사는 대학 연구진과 함께 물리 예측용 DR-WM-1.0, 로봇의 길 찾기와 조작을 위한 DR-VLA-2.0, 학습 정책을 개선하는 DR-APO, 환경 변화를 기억하는 DR-Agent, 실제 운행 데이터 평가 체계인 DR-Benchmark를 연구했다고 설명했습니다.
DR-WM 연구는 지면의 마찰과 거칠기 같은 조건을 로봇의 행동 결과 예측에 반영합니다. 회사 설명에 따르면 연구에는 영상과 분할 마스크 쌍 258만 건과 실제 로봇 영상 10만 건 이상을 활용했습니다. DR-VLA 연구는 사람의 시점에서 촬영한 영상 1만 시간과 원격 조종 로봇 주행 영상 2천 건을 결합해 사람과 공간을 공유하는 로봇의 이동을 학습하도록 설계했습니다.
DR-APO 시험에서는 DEEP Robotics의 바퀴·다리 겸용 LYNX M20 로봇의 실제 환경 길 찾기 성공률이 기존 25%에서 65%로 높아졌다고 회사가 밝혔습니다. 이는 해당 연구의 시험 결과이며, 제품 전반의 성능이나 상용 배치 성과를 뜻하지는 않습니다. DR-Agent는 물체 위치가 바뀔 때 공간 기억을 갱신하도록 연구했고, DR-Benchmark에는 실제 운행 833.6시간과 이동 거리 3,294.7km를 바탕으로 한 LynxScenes 자료를 담았습니다.
회사는 이 연구들을 로봇의 산업 현장 적용을 위한 기반으로 제시했습니다. 발표 자료는 연구별 시험과 데이터 규모를 설명하지만, 다섯 기술을 통합한 제품의 출시일이나 고객 현장 적용 규모는 제시하지 않았습니다.
댓글 0
아직 댓글이 없습니다.