최근 물리적 AI(Physical AI) 분야에서 로봇의 학습 데이터를 혁신하기 위한 흥미로운 접근 방식이 등장했습니다. AI 모델 훈련용 데이터 도구를 만드는 엔코드(Encord)는 로봇 트레이너가 작업하는 동안 뇌파를 측정하는 헤드셋을 착용하게 하여, 인간의 시각 정보뿐만 아니라 뇌 활동 데이터를 함께 수집하고 있습니다. 이는 로봇이 단순히 동작을 모방하는 것을 넘어, 인간의 의도, 실수, 놀라움 같은 정신 상태를 파악하여 더욱 효율적으로 학습하도록 돕기 위한 시도입니다.
엔코드는 독일 신경과학 스타트업 잔더 랩스(Zander Labs)와 협력하여 뇌파 데이터를 활용한 로봇 훈련 데이터셋을 구축하고 있습니다. 이들은 젠가 게임이나 커피 따르기, 이더넷 케이블 연결 같은 섬세한 작업을 수행하는 인간 작업자의 시점 영상과 함께 뇌파를 기록합니다. 잔더 랩스의 신경과학자 루카스 게르케(Lucas Gehrke)는 뇌 활동량이 특정 작업 중 언제 최고 수준에 달하는지 파악함으로써, 로봇 모델이 고도의 노력이 필요한 시점을 더 정확히 인지할 수 있다고 설명합니다. 엔코드의 로봇 학습 책임자인 비니스 벨무루간(Vineeth Velmurugan)은 이러한 접근 방식이 로봇 데이터 병목 현상을 해결하기 위한 '최첨단' 노력이라고 강조합니다.
현재 로봇 학습의 가장 큰 난관은 실제 환경에서 얻을 수 있는 고품질 훈련 데이터의 절대적인 부족입니다. 자율주행차처럼 자체적으로 데이터를 수집하는 방식은 확장하기 어렵고, 단순히 비디오만으로는 로봇이 필요로 하는 정밀한 정보를 얻기 어렵습니다. 벨무루간은 로봇이 인간처럼 복잡한 작업을 수행하려면 유튜브(YouTube) 전체 비디오 분량의 5배에 달하는 데이터셋이 필요할 수 있다고 추정합니다. 엔코드는 이러한 데이터 부족 문제를 해결하기 위해 작업자가 카메라를 착용하고 수집하는 '자기중심적(egocentric)' 비디오 데이터와 원격 조작 로봇 데이터를 모두 활용하며, 뇌파나 근육 전기 신호 같은 새로운 데이터 양식을 실험하여 로봇이 인간의 동작과 의도를 더 깊이 이해하도록 돕는 데 집중하고 있습니다. 이처럼 데이터를 '수집'하는 것을 넘어 '생산'하는 것이 물리적 AI 발전의 핵심이 되고 있습니다.