최근 로봇 스타트업 아기봇(Agibot)의 수석 과학자가 로봇 제어에 대규모 언어모델(LLM)을 적용하는 현재의 흐름에 대해 강한 의구심을 표했습니다. 그는 LLM이 로봇 공학의 핵심 과제인 물리적 세계와의 정밀한 상호작용과 실시간 제어에는 근본적인 한계가 있다고 지적하며, 이 분야의 주류 접근 방식에 대한 재고를 촉구했습니다.
아기봇의 수석 과학자는 LLM이 언어 이해와 추론에는 탁월하지만, 로봇이 직면하는 복잡한 물리적 환경과 예측 불가능한 상황에 대한 정확한 모델링 및 제어에는 부적합하다고 설명했습니다. 로봇은 센서 데이터를 기반으로 초당 수십, 수백 번의 정밀한 움직임을 결정해야 하는데, LLM은 이러한 실시간성과 물리적 정확성을 보장하기 어렵다는 것입니다. 대신 그는 데이터 과학(data science)과 고전적인 제어 이론을 결합한 방식이 로봇의 신뢰성과 안전성을 확보하는 데 훨씬 효과적이라고 강조했습니다.
이러한 주장은 로봇 분야에서 LLM의 역할에 대한 중요한 질문을 던집니다. 많은 연구자와 기업들이 LLM을 로봇의 고수준 계획(high-level planning)이나 자연어 인터페이스에 활용하려 하지만, 아기봇의 입장은 LLM이 로봇의 핵심 제어 시스템까지 대체하기는 어렵다는 현실적인 시각을 제시합니다. 이는 로봇 기술 발전의 방향성을 재고하게 하며, LLM의 만능론에 대한 경고이자, 각 기술의 강점을 명확히 이해하고 적재적소에 활용하는 지혜가 필요함을 시사합니다.