로봇이 실제 환경에서 유용하게 작동하려면 현실 세계를 정확히 이해하고 상호작용하는 능력이 필수적입니다. 하지만 현재 로봇 훈련은 디지털 시뮬레이션과 실제 환경 간의 큰 격차, 즉 '시뮬레이션-현실 간극(sim-to-real gap)' 때문에 어려움을 겪고 있습니다. 이러한 문제를 해결하기 위해 스타트업 Physicl(피지컬)이 이노비아 캐피탈(Inovia Capital) 주도로 1000만 달러(약 130억 원)의 시드 투자를 유치하며, 로봇의 '현실 감각'을 높이는 데 도전하고 있습니다.
Physicl의 창업자이자 CEO인 알렉스 드 비간(Alex de Vigan)은 지난 10년간 전자상거래용 고품질 3D 제품 모델링 플랫폼인 nfinite를 운영했습니다. 생성형 AI(Generative AI)의 부상으로 3D 렌더링 시장이 변화하자, 그는 기존 팀이 구축한 3D 환경 재현 기술이 로봇 훈련에 새로운 가치를 제공할 수 있음을 깨달았습니다. Physicl은 이 기술을 활용해 현실의 기하학적 구조, 재료, 물리적 특성을 정확히 반영한 고품질 3D 환경과 객체 데이터셋을 생성합니다. 이를 통해 로봇 개발자들은 복잡한 '엣지 케이스(edge case)' 상황, 예를 들어 어수선한 탁자 위 컵을 인식하거나 그림자 속 물체를 식별하는 것과 같은 문제에 대한 훈련 데이터를 효율적으로 만들 수 있습니다. Physicl은 현재 1만 개의 3D 환경과 10만 개의 객체 자산을 포함하는 '스튜디오(Studio)' 제품을 제공하고 있습니다.
Physicl의 접근 방식은 로봇 개발의 오랜 난제를 해결할 중요한 열쇠가 될 수 있습니다. 기존에는 로봇을 실제 환경에서 훈련시키거나 영상 데이터를 수집하는 데 막대한 비용과 시간이 소요되었고, 디지털 시뮬레이션은 현실성을 담보하기 어려웠습니다. Physicl이 제공하는 고품질 합성 데이터는 이러한 한계를 극복하고, 로봇이 다양한 상황에 대처할 수 있도록 효과적인 훈련 환경을 제공합니다. 이는 로봇이 산업 현장, 물류, 서비스 등 실제 세계에서 더욱 능숙하게 임무를 수행하고, 궁극적으로 로봇 기술의 상용화와 확산을 가속화하는 데 크게 기여할 것입니다. Physicl은 단순한 데이터 제공을 넘어, 로봇 모델의 훈련 상태에 따라 필요한 데이터를 자동으로 생성하는 '에이전트 기반 워크플로우(agentic workflow)'를 목표로 하고 있습니다.