산업 현장에서 로봇의 정밀 조립 작업은 여전히 많은 어려움을 겪고 있습니다. 특히 힘(force)이나 토크(torque)와 같은 물리적 상호작용이 중요한 미세 공차(tight-tolerance) 조립 작업의 경우, 로봇 훈련에 필요한 고품질의 물리 기반 데이터가 부족한 것이 현실입니다. 이러한 문제를 해결하고자 '주아칼리(Juakali)'라는 새로운 데이터 파이프라인이 공개되었습니다. 주아칼리는 로봇 시스템이 복잡한 조립 작업을 더 정확하고 효율적으로 수행할 수 있도록 돕는 '인공 일반 엔지니어(artificial general engineer)' 훈련을 목표로 합니다.
주아칼리는 비정형 컴퓨터 지원 설계(CAD) 파일로부터 기계 부품의 장착 및 고정 과정을 시뮬레이션합니다. 이 과정에서 힘, 토크와 같은 물리적 피드백을 포함한 정형화된 고품질 데이터셋을 생성하는 것이 핵심 기능입니다. 이렇게 생성된 데이터는 비전-언어-액션(VLA) 모델을 훈련하는 데 사용되며, 이는 로봇이 조립 계획을 자동으로 수립하고 실행하는 능력을 향상시키는 데 기여합니다. 개발팀은 주아칼리가 구글 인트린식(Google Intrinsic)과 같은 엔지니어링 시스템에서 시간, 비용, 오류를 줄일 수 있을 것으로 기대하고 있습니다. 주아칼리는 단일 도커(Docker) 이미지 형태로 제공되어 리눅스, macOS, 윈도우(WSL2 필요) 등 다양한 플랫폼에서 쉽게 설치하고 실행할 수 있습니다.
주아칼리의 등장은 로봇 자동화 분야에 중요한 의미를 가집니다. 기존 로봇 시스템은 주로 시각 데이터에 의존하여 작업을 수행했지만, 실제 산업 현장에서는 물리적 접촉과 상호작용에 대한 이해가 필수적입니다. 주아칼리는 이러한 물리적 데이터를 대규모로 생성하고 활용할 수 있게 함으로써, 로봇이 더욱 복잡하고 섬세한 조립 작업을 자율적으로 수행할 수 있는 기반을 마련합니다. 이는 제조, 건설, 물류 등 다양한 산업 분야에서 로봇 자동화의 적용 범위를 넓히고 효율성을 극대화하는 데 크게 기여할 것입니다. 궁극적으로는 로봇이 인간 엔지니어처럼 다양한 상황에 적응하고 문제를 해결하는 '인공 일반 엔지니어'의 시대를 앞당기는 중요한 발걸음이 될 수 있습니다.