Dream Labs, 로봇 AI를 다양한 기계에 적용하기 위해 9,000만 달러 규모 시드 투자 유치

Dream Labs는 NVIDIA의 전 로봇공학 연구원들이 설립한 스타트업으로, 9,000만 달러 규모의 시드 투자를 유치하고 서로 다른 로봇에 기술을 적용할 수 있도록 설계된 모델 Dream-1의 공개 API를 출시했다. 이번 투자는 B Capital이 주도했으며, Kindred Ventures와 A.Capital, Unusual Ventures 및 기타 투자자들도 참여했다.

이 회사는 로봇공학의 비용이 많이 드는 병목 문제에 대응하고 있다. 한 기계가 작업을 학습하더라도 그 지식이 다른 기계로 자동 전달되지는 않는다. Dream Labs는 개발자가 공통 모델을 기반으로 시작한 뒤, 특정 로봇이나 애플리케이션에 더 전문화된 학습이 필요한 경우 모델을 조정할 수 있도록 하려 한다.

이번 출시에는 API와 파인튜닝 서비스, 브라우저 기반 Robot Playground가 포함된다. Robot Playground에서는 사용자가 회사의 샌프란시스코 사무실에 있는 실제 로봇에 명령을 보낼 수 있다. Dream Labs는 모델의 기능과 처리 용량을 확장하는 과정에서 이번 투자금의 주된 용도가 컴퓨팅 자원 지원이 될 것이라고 밝혔다.

Dream-1은 비디오를 실제 동작과 어떻게 연결하는가

Dream Labs는 Dream-1을 월드 액션 모델(World Action Model)이라고 부른다. 이번 출시를 기술적으로 설명한 내용에 따르면, 이 시스템은 비디오와 동작을 함께 예측한다. 장면이 어떻게 변할지 예상하는 것과 로봇이 다음에 무엇을 해야 할지 결정하는 일을 연결한다.

이 구분이 중요한 이유는 로봇의 몸체 구조가 서로 다르기 때문이다. 한쪽 팔에서 작동하는 관절 명령이 다른 팔에서도 반드시 작동하는 것은 아니다. 대신 Dream-1은 말단 장치의 자세, 즉 각 그리퍼가 있어야 할 위치와 방향, 그리고 그리퍼가 열려 있어야 하는지 닫혀 있어야 하는지를 예측할 수 있다. 각 로봇의 역기구학 해법기는 이 목표값을 해당 로봇의 관절이 실행할 수 있는 동작으로 변환한다.

이 방식은 기계마다 하드웨어가 똑같지 않아도 공통 인터페이스를 제공한다. 모델은 카메라 영상 세 개를 사용한다. 하나는 장면을 바라보고 나머지 두 개는 각 손목에 장착된다. 모델의 비디오 표현은 생김새가 다른 팔과 그리퍼도 동일한 시각적 매체를 통해 파악할 수 있게 한다.

개발자를 위해 이 제품은 관련 연구를 비교적 간단한 작업 흐름으로 구현했다. 로봇이 이미지와 현재 상태, 작업 지시를 제공하면 모델은 동작을 반환한다. 모든 개발자가 로봇공학 파운데이션 모델을 직접 구축하고 운영할 필요 없이 Dream Labs가 호스팅하는 서비스를 통해 모델을 실행할 수 있다.

제로샷 전이의 적용 범위는 명확히 정해져 있다

현재 이 회사의 제로샷 기능은 두 개의 팔과 간단히 열고 닫는 그리퍼를 갖춘 양팔 로봇에 초점을 맞춘다. 제로샷이란 특정 기계에서 수집한 시연 데이터로 사전 학습하지 않고도 낯선 로봇에서 모델이 작업을 시도할 수 있다는 뜻이다.

Dream Labs가 공개한 평가에서는 시뮬레이션 환경에서 이전에 다뤄 본 적 없는 로봇 형태 27종을 테스트했으며, 각 형태별로 300회의 롤아웃을 진행했다. 결과는 Dream-1을 학습시킨 로봇인 YAM을 기준으로 보고됐다. 하드웨어에 따라 성능 차이가 상당히 컸다. 따라서 로봇 간 전이가 가능하다는 핵심 주장은 세부 결과와 함께 살펴볼 때 더 유용하게 이해할 수 있다.

이러한 상대 점수를 절대적인 작업 성공률과 혼동해서는 안 된다. 정책을 다른 로봇으로 전이할 수 있다고 해서 그 로봇이 모든 작업을 안정적으로 완료한다는 뜻도 아니다. 연구 페이지는 작업 평가에서 완전한 완료와 부분적인 진척을 별도로 구분한다.

이 제어 인터페이스에는 상충 요소도 따른다. 그리퍼가 도달해야 할 지점을 예측하는 것만으로는 팔이 그곳까지 이동하는 경로가 완전히 정해지지 않는다. 장애물과 관절의 가동 범위, 로봇 역기구학 해법기의 성능이 결과에 영향을 미칠 수 있다. 작업 공간이나 동역학이 크게 다른 로봇에서는 모델의 예측과 하드웨어가 실제로 수행할 수 있는 동작 사이에 추가적인 차이가 생길 수 있다.

파인튜닝으로 기본 모델의 한계를 넘어설 수 있다

Dream Labs의 서비스형 파인튜닝은 범용 모델의 성능이 충분하지 않을 때 개발자가 선택할 수 있는 또 다른 방법이다. 개발자는 처음부터 학습 프로젝트를 시작하는 대신, 자신이 보유한 로봇의 시연 데이터를 업로드해 조정된 모델을 받을 수 있다.

이 회사는 로봇별 데이터 5분으로 모델을 조정한 사례와, 익숙하지 않은 말단 장치를 대상으로 훨씬 더 많은 데이터가 필요한 사례를 모두 제시한다. 이러한 시연은 필요한 조정의 범위가 다양하다는 점을 보여줄 뿐, 모든 경우에 5분간 학습하면 된다는 뜻은 아니다.

이는 실용적인 측면에서 중요한 차이다. 공통 모델은 로봇을 움직이게 하는 데 필요한 초기 작업을 줄일 수 있지만, 특정 애플리케이션에서 유용한 동작을 구현하려면 해당 작업에 맞는 데이터가 여전히 필요할 수 있다. Dream Labs도 조정된 모델이 제로샷 방식보다 여전히 더 뛰어나다고 인정한다.

연구 페이지에 따르면 추론 비용은 Dream-1이 시간당 3달러, 경량 모델인 Dream-1-flash가 시간당 2달러다. 모델을 한 번 호출할 때마다 1.6초 분량의 동작이 반환된다. 배포 비용을 평가할 때는 하드웨어와 통합, 추가 서비스 비용도 별도로 고려해야 한다.

연구 시연에서 반복 가능한 작업으로

이 스타트업의 팀은 이전에 DreamZero와 NVIDIA의 GR00T 로봇공학 연구를 진행했다. 이제 Dream-1을 통해 그 연구를 개발자가 자신의 기계에서 시험해 볼 수 있는 서비스로 발전시키고 있다.

접근성은 이번 발표에서 중요한 부분을 차지한다. 공개 API를 통해 로봇 제조사와 소규모 팀은 일부 시연에만 의존하지 않고, 실패하는 지점을 포함해 실제 작동 방식을 직접 평가할 수 있다. 실시간 Playground는 로봇을 소유하지 않은 사람도 더 쉽게 시작할 수 있는 방법을 제공한다.

Dream-1은 여전히 연구용 베타 버전이며, Dream Labs는 안전이 매우 중요한 용도로 검증되지 않았다고 밝혔다. 현재는 양팔과 평행 그리퍼를 갖춘 시스템의 조작 작업에 초점을 맞추고 있으며, 이동형 로봇과 정교한 동작이 가능한 하드웨어에 대한 지원 확대도 개발 과제로 남아 있다.

상업적 성패를 가를 질문은 여러 기계에 적용할 수 있는 모델이 사람들이 자동화에 비용을 지불할 만한 작업에서도 반복적으로 성능을 낼 수 있느냐는 것이다. 9천만 달러 규모의 투자 라운드를 통해 Dream Labs는 그 목표를 추구할 자원을 확보했다. 가장 중요한 시험대는 개발자가 새로운 로봇을 연결한 뒤에도 맞춤형 데이터와 엔지니어링을 얼마나 더 투입해야 하는지가 될 것이다.