마시밀리아노 모루치, Xaba의 창립자 및 CEO – 인터뷰 시리즈

마시밀리아노 모루치, Xaba의 창립자이자 CEO는 산업 자동화 및 AI 분야의 전문가로, 로봇공학, 제조 시스템, CNC 기계, AI 기반 산업 제어 등에 대한 심오한 전문 지식을 보유하고 있습니다. Xaba를 2022년에 창립하기 전에, 그는 Augmenta에서 연구 및 개발을 이끌었으며, Ingersoll Machine Tools 및 IMTA에서 고위 공학 및 소프트웨어 연구 개발 직책을 맡았습니다. 산업 기술 분야에서 20년 이상의 경력을 보유한 모루치氏는 고급 로봇공학과 실제 제조 배치 간의 격차를 메우는 데 중점을 두었으며, 특히 기계가 더 지능적으로, 적응적으로, 자율적으로 작동하도록 ermög하는 데 초점을 두었습니다.

Xaba는 토론토 기반의 산업 AI 회사로, 산업 로봇과 공장 시스템을 위한 “합성 뇌”를 개발하고 있습니다. 이 회사의 플랫폼은 생성적 AI, 강화 학습, 로봇 제어, 산업 자동화를 결합하여 로봇, CNC 기계, PLC 제어 시스템이 수동 코딩 없이 실시간으로 자체 프로그래밍하고 적응할 수 있도록 합니다. 주요 기술인 xCognition 및 PLCfy는 로봇 프로그래밍을 자동화하고 제조 공정을 최적화하며 항공우주, 자동차, 고급 제조 등 다양한 산업에서 배포를 가속화하는 데 설계되었습니다. Xaba는 자신의 기술을 강화된, 수동으로 프로그래밍된 시스템을 대체하여 공장 자동화를 현대화하는 방법으로 пози션합니다.

Xaba의 아이디어는 무엇으로부터 시작되었으며, 언제 산업 로봇이 본질적으로 다른 접근 방식을 필요로 하는 것을 깨달았나요? 즉, 더 많은 코드 대신 합성 뇌가 필요한 이유는 무엇인가요?

그 아이디어는 대부분의 산업 로봇이 가장 기본적인 수준의 가변성에서 실패하는 것을 관찰하면서 시작되었습니다. 이러한 기계는 기계적으로 정밀하지만, 인지적으로 취약합니다. 부품 공差, 공정 매개변수, 재료 거동의 작은 변화가 전체 작업을 방해할 수 있습니다.

산업계의 반응은 일관적이었습니다. 더 많은 코드를 작성하고, 가변성을 제거하기 위해 비싼剛性 고정을 추가하고, 더 많은 규칙을 계층화하고, 인간의 감독에 의존하고, 시스템을 계속 재조정합니다.

그때 깨달았습니다. 이것은 소프트웨어 문제가 아닙니다. 그것은 뇌가 부족한 것입니다.

오늘날의 산업 로봇과 컨트롤러는 결과가 실제로 좋거나 나쁨인지 여부를 이해하지 못한 채 지시를 맹목적으로 수행합니다. 그들은 물리적 세계에 대해推論하지 않습니다.

로봇은 지시를 받지 못해서 실패하는 것이 아닙니다. 이해가 부족해서 실패합니다. 인간은 볼트를 조이거나 접착제를 적용할 때 수천 줄의 코드에 의존하지 않습니다. 우리는 본능적으로 힘, 운동, 물리적 피드백에 따라 적응합니다.

산업 로봇이 물리학에 기반한 합성推論 시스템을 필요로 한다는 것이 명백해졌습니다. 단지 또 다른 프로그래밍 계층이 아닌 것입니다.

Augmenta AI와 이전 역할에서 얻은 경험은 Xaba에 대한您的 관점을 어떻게 형성했으며, 구체적으로 어떤 간격이나 통찰력이 회사를 설립하도록 이끌었나요?

Augmenta AI에서 우리는 AI 기반 의사결정, 최적화, 자율성을 깊이 연구했습니다. 명백한 것은 대부분의 AI 시스템이 물리적 현실과 상호작용하는 대신 데이터 표현을 최적화하는 추상적인 방식으로 작동한다는 것이었습니다.

이전 역할에서私は 자동화 프로젝트가 로봇의 능력 부족으로 인해가 아니라 엔지니어링 오버헤드가 지속 불가능한 이유로 중단되거나 실패하는 것을 보았습니다. 간격은 명백했습니다. 높은 수준의 의도와 실제 물리학을 연결할 수 있는 지능 계층이 없었습니다. Xaba는 그 간격을 메우기 위해 존재합니다. 기계가 힘이나 운동, 제약, 결과에 대해 인간과 같은 방식으로推論할 수 있도록 합니다.

Xaba는 산업 로봇을 위한 세계 최초의 물리학 기반 GenAI 시스템을 구축하고 있습니다. 이 접근 방식은 전통적인 로봇 프로그래밍과 현재의 주류 AI 모델과 어떻게 다른가요?

전통적인 로봇 프로그래밍은 사전 정의된 경로, 공정 매개변수, 힘, 동작 순서에 의존합니다. 그것은 환경이 매번 동일하게 행동한다고 가정합니다. 즉, CAD 모델과 같습니다.

주류 AI 모델은 다른 접근 방식을 취하지만, 여전히 주로 통계적입니다. 예측과 모방에는 좋지만, 물리적 원인과 결과를真正로 이해하지 못합니다.

Xaba의 물리학-AI는 세 번째 패러다임을 소개합니다. 시각 데이터나 정적 지시에主要로 의존하는 대신, 센서 데이터(힘, 온도, 가속도, 전압, 음향, 진동)를 사용하여 공정의 기본 물리학을 이해합니다.

이것은 시스템이 동작이 결과에 미치는 영향을 이해할 수 있도록 합니다. 지시를 따르는 대신, 기계는 조건이 변경될 때 실시간으로 적응할 수 있습니다.

우리는 산업 로봇을 강화된 자동화에서 물리적으로推論할 수 있는 시스템으로 이동시키고 있습니다.

합성推論은 공장에서 품질, 반복 가능성, 실시간 적응성을 어떻게 개선합니까?

합성推論을 통해 로봇이 작업 중에 적응할 수 있습니다. 저항이 변경되면 로봇은 해당ingly 대응합니다. 재료 거동이 변경되면 로봇은 동작을 적응시킵니다. 이것은 로봇이 현실에 반응한다는 사실로 인해 더 높은 품질을 제공합니다. 가정이 아닌 실제 상황에 대한 것입니다.

반복 가능성이 향상됩니다. 시스템이 취약한 궤적을 재생산하는 것이 아니라, 각 작업마다 물리적 의도를 기반으로 작업을 재해석하기 때문입니다. 또한, 적응성이 본질적으로 됩니다. 예외가 아닌 규칙이 됩니다.

왜 다음 주요 AI 혁신은 물리적 시스템에서 발생할 것으로 생각합니까? 순수한 디지털 시스템이 아닌 이유는 무엇입니까?

실제 세계는 상관관계가 아니라 물리학에 의해 작동합니다. 오늘날의 대부분의 AI는 패턴 인식과 예측을 기반으로 구축되었습니다.

지금까지의 가장 큰 AI 혁신은 디지털 환경에서 발생했습니다. 여기서 패턴 인식이 종종 충분했습니다. 그러나 물리적 시스템(예: 용접, 가공, 조립)은 다르게 작동합니다. 그들은 힘이나 에너지, 온도, 운동, 재료 거동 사이의 인과 관계에 의존합니다. 이러한 환경에서 작은 변화가 프로세스를 깨뜨릴 수 있으며, 오류는 실제 결과를 초래합니다.

이것은 왜 다음 혁신이 데이터 기반 예측에서 물리학 기반推論으로의 전환을 필요로 하는지 설명합니다.

물리학-AI는 이러한 전환을 ermög합니다. 시간 순서 센서 데이터를 사용하여 프로세스의 지배 방정식을 추출함으로써, AI는 결과를 추측하는 대신 시스템의 행동을 이해할 수 있습니다. 이것은 기계가 실시간으로 변동성에 적응할 수 있도록 합니다.

• 디지털 AI → 상관관계, 예측, 콘텐츠 생성을 중심으로 구축됨.
• 물리학-AI → 기계가 실시간으로 물리적 조건에 반응하고 적응할 수 있도록 합니다.

다음 AI 물결은 더 나은 LLM이나 모방 게임에 의해 정의되지 않을 것입니다. 물리적 현실을 이해하고 제어할 수 있는 기계에 의해 정의될 것입니다.

오늘날의 자동화 인프라는 무엇이 구식이며, 산업 전반에서 이를 해결하는 데 무엇이 필요한가요?

오늘날의 인프라는 가변성이 적 thù라는 가정에 기반합니다. 모든 것이剛性이고, 유지 보수가 어려우며, 비용이 많이 듭니다. 새로운 제품이나 공정 변형마다大量的人間 개입이 필요하기 때문에 확장성이 좋지 않습니다.

이를 해결하려면 프로그래밍에서 인지로의 전환을 필요로 합니다. 기존 하드웨어 위에 적응할 수 있는 보편적인 지능 계층이 필요합니다. đó가 자동화를 현대화하는 방법입니다. 기존의 수십 년간의 투자를 파괴하지 않고.

많은 제조업체는 여전히 수천 줄의 코드와 수주의 캘리브레이션이 필요한 작업에 어려움을 겪고 있습니다. Xaba는 이러한 병목 현상을 어떻게 제거합니까?

제조업체는 오늘날의 시스템이 코드 주도적이고 모방 기반인 이유로 그 병목 현상을 만납니다. 그것들은 패턴을 캡처하지만, 기본 프로세스를 이해하지 못합니다.

Xaba는 근본적으로 다른 경로를 따릅니다.

시간 순서 센서 데이터, 힘, 온도, 전류, 진동을 사용하여 물리학에 기반한 새로운 클래스의 기초 모델을 구축합니다. 상관관계를 학습하는 대신, 프로세스의 지배 방정식을 추출합니다. 시스템이 동작이 결과에 미치는 영향을真正로 이해할 수 있도록 합니다.

그런 다음 시스템은 물리적으로 유효한 동작을 실시간으로 생성합니다. 로봇은 예를 재생산하거나 사전 정의된 코드를 따르지 않습니다. 프로세스에 대해推論한 후 지속적으로 변동성下에서 적응합니다.

실제로, 그것은 수천 줄의 코드, 픽셀 기반 모방,不断한 재조정 없이 시스템을 이해하고 제어하는 것을 의미합니다. 그것이 프로그래밍과 모방에서 물리적推論과 자율 제어로 이동하는 방법입니다.

로봇이 시연에서 학습하는 것은 대담한 전환입니다. 이것을 가능하게 한 기술적 里程碑은 무엇이며, 오늘날 여전히 존재하는 제약은 무엇입니까?

로봇이 시연에서 학습하는 것은 중요한 단계이지만, 여전히 모방 기반 접근 방식입니다. 이러한 시스템은 관찰(예: 픽셀 또는 궤적)을 동작으로 매핑하지만, 작업의 기본 물리학을 이해하지 못합니다.

물리학-AI의 관점에서 실제 里程碑은 모방에서 인과 이해로의 이동입니다.

이것을 가능하게 한 것은:

• 지각의 발전(시각-언어 모델, 다중 모달 데이터)
• 인간 및 로봇 행동의 대규모 데이터셋
• 관찰을 동작으로 매핑할 수 있는 정책의 개선

그러나 이러한 시스템은 여전히 본질적으로 상관관계 주도적입니다. 그것들은 본인이 본 것을 복제할 수 있지만:

• 재료가 다르게 행동할 때
• 공정 매개변수가 변경되면
• 기하학 또는 공差가 다를 때
• 실제 물리학이 훈련 데이터에서 벗어날 때

그것이 제한이 명백해지는 곳입니다.

Xaba에서는 다른 접근 방식을 취합니다. 시연에서 무엇을 해야 하는지 배우는 대신, 왜 그것이 작동하는지 배우는 것입니다.

시간 순서 센서 데이터를 사용하여 Xaba는 프로세스의 지배 물리학 방정식을 추출합니다. 이것은 시스템이 다양한 조건에서 어떻게 행동하는지 이해할 수 있는 기초 물리학-AI 모델을 생성합니다.

真正한 혁신은 기계가 힘, 에너지, 재료 거동에 대해推論하고, 실시간으로 적응하며, 물리적으로 유효한 동작을 생성할 수 있는 능력에서 옵니다.

Xaba의 시스템은 예측할 수 없는 실제 조건(재료 변동, 공구 마모, 미묘한 환경 변경 등)에 어떻게 적응합니까?

시스템이 힘, 운동, 결과에 대해 지속적으로推論할 수 있기 때문에, 현실이 예상과 다를 때 실시간으로 조정할 수 있습니다. 공구 마모는 실패가 아닌 변수입니다. 재료 변동은推論 루프의 일부입니다.

이것은 임계값 기반 오류 처리와根本적으로 다릅니다. 그것은 연속적인 적응입니다.

5년 후를 내다보면, 물리학 기반 GenAI는 어떻게 발전할 것으로 생각합니까? 그리고 합성推論에 의해 ermög된 완전한 자율 공장은 무엇처럼 보입니까?

私の 관점에서, 다음 5년은 자동화에서真正한 인지 제조로의 전환을 표시할 것입니다.

물리학 기반 GenAI는 개별 작업을 최적화하는 것에서 전체 산업 시스템을 위한 기초 모델을 구축하는 것으로 발전할 것입니다. 픽셀 또는 과거 궤적에 대한 훈련 대신, 이러한 시스템은 힘, 온도, 에너지, 동력학에서 지속적으로 학습하여 모든 작업에 대한 인과 이해를 ermög합니다.

변화는 심오합니다:

• 프로그래밍 → 자체 생성 제어 전략
• 정적 모델 → 지속적으로 학습하는 시스템
• 상관관계 → 물리학 기반 推論

합성推論에 의해 ermög된 완전한 자율 공장은根本적으로 다르게 보일 것입니다. 기계는 원하는 결과에 기반하여 자체 프로그래밍을 할 것이며, 재료와 기하학의 변동성에 실시간으로 적응하며, 품질을 후속 검사하는 대신 본질적으로 제어할 것입니다. 지식은 시洛가되지 않을 것입니다. 그것은 기계, 라인, 심지어 공장 전체에 걸쳐 지속적으로 성능을 개선하면서 전파될 것입니다.

그러나 가장 중요한 변환은 인간입니다.真正한 합성 뇌를 갖춘 제조에 있어서, 인간과 기계 간의 관계는 양방향이 됩니다. 인간은 기계를 프로그래밍할 뿐만 아니라, 기계도 인간의 의도와 경험에서 학습할 것입니다.

자동화는 더 이상 작업 기능이 아닙니다. 그것은 경력 성장, 지속적인 학습, 발견을 위한 플랫폼이 됩니다. 엔지니어, 운용자, 기술자는 시스템과 협력할 것입니다. 시스템은 설명하고, 적응하며, 물리적 프로세스에 대한 이해를 높여줄 것입니다.

그 세계에서, 수주간의 캘리브레이션이나 수천 줄의 코드가 없습니다. 공장은 인간의 능력과 통찰력을 증폭하는, 물리학 기반의 시스템으로 작동합니다.

궁극적으로, 우리는 지시를 수행하는 공장에서 인간과 함께 이해하고, 推論하며, 공동으로 발전하는 공장으로 이동하게 됩니다. 그것이 Xaba에서 구축하는 미래입니다.

훌륭한 인터뷰에 감사드립니다. 더 많은 정보를 원하는 독자는 Xaba를 방문하십시오.