오픈AI(OpenAI)의 최신 대규모 언어모델(LLM)인 GPT-6 아스트라(Astra)가 로봇 팔 제어 실험에서 놀라운 성능을 선보였습니다. 로보커브(Robocurve)의 실험 결과에 따르면, 아스트라는 카메라 영상을 분석해 로봇 팔을 움직여 블록을 집어 그릇에 넣는 작업을 20회 중 19회 성공하며 95%의 성공률을 기록했습니다. 이는 기존 모델인 클로드 페이블 5.1(Claude Fable 5.1)의 8회 성공(40%)을 크게 앞서는 수치입니다.
아스트라는 성공률뿐만 아니라 효율성 면에서도 뛰어났습니다. 블록 옮기기 작업의 회당 평균 시간은 6.8분에서 2.5분으로 단축되었고, 추정 모델 호출 비용도 2.12달러에서 0.94달러로 절반 이상 줄었습니다. 모델은 상단 카메라와 손목 카메라 영상, 로봇의 현재 상태를 받아 집게의 이동 위치와 방향, 개폐 상태를 결정하며, 실제 관절 움직임은 로봇의 역기구학(IK) 시스템이 계산합니다. 하지만 퍼즐 조각을 맞는 홈에 끼우는 것과 같은 더 정교한 작업에서는 아스트라와 페이블 5.1 모두 20회 중 2회만 성공하며 10%의 낮은 성공률을 보여, 여전히 복잡한 조작에는 어려움이 있음을 드러냈습니다.
이번 실험은 LLM이 단순한 텍스트 생성과 추론을 넘어 물리적인 로봇 제어 영역에서도 강력한 가능성을 보여준다는 점에서 큰 의미가 있습니다. 특히 작업 시간과 비용 절감은 산업 현장의 자동화 및 로봇 도입에 긍정적인 영향을 미칠 수 있습니다. 그러나 정교한 조작이 필요한 작업에서의 한계는 로봇이 인간 수준의 민첩성을 갖추기 위해 아직 극복해야 할 과제가 많음을 보여줍니다. 향후 로봇 공학은 LLM의 지능과 로봇 하드웨어의 정밀도를 결합하는 방향으로 발전할 것으로 예상됩니다.