로보틱스 및 피지컬 AI
Serve Robotics, 피지컬 AI 기업에 자사 로봇 운영 소프트웨어와 데이터 개방

Serve Robotics는 2026년 11월 5일 Physical AI Services를 발표해 로봇 연결, 데이터 선별, 실제 환경의 학습 데이터 관련 도구를 피지컬 AI를 개발하는 다른 기업들도 이용할 수 있도록 했다. 건설 중장비용 자율 시스템을 개발하는 Bedrock Robotics가 초기 고객사에 포함됐다.
세 가지 제품으로 구성된 이 제품군은 Serve가 자체 사업을 확장하면서 구축한 인프라를 제품화한 것이다. 회사 측은 40개가 넘는 도시와 27개 병원에 로봇 2,000대 이상을 배치했으며, Physical AI Services가 이미 12개 산업 분야에 걸쳐 수천 대의 차량을 지원한다고 밝혔다. 여기에는 건설, 광업, 자율주행 트럭, Serve의 보도 음식 배달 차량이 포함된다. 이에 따라 이 서비스는 서로 다른 기계와 환경을 아우르는 운영 기반을 갖추고 있다.
“로봇을 만드는 것은 시작에 불과합니다. 수천 대의 로봇을 연결하고, 학습시키고, 개선하려면 또 다른 기술 계층이 필요합니다.”라고 공동 창업자 겸 CEO인 Ali Kashani는 말했다.
연결성과 차량 운영 감독
Serve Link는 피지컬 AI 연산의 더 많은 부분이 데이터 센터로 옮겨가면서 현장의 기계를 모델, 모니터링 시스템, 학습 시스템에 연결한다. 주요 기능으로는 작업 관리, 장치 상태 모니터링, 예외 상황 처리를 위한 원격 지원, 데이터 수집, 난이도 높은 사례 발굴이 있다. Bedrock은 Wi-Fi, LTE, 5G 및 위성 네트워크를 통해 장비를 연결하는 데 Link를 사용한다.
Physical AI Services 문서에 따르면, 이 소프트웨어는 4G, 5G, Wi-Fi, 위성 및 사설 이동통신 연결을 결합하고, 버퍼링을 방지하기 위한 최적의 전송 방식을 예측하며, 거의 모든 하드웨어에서 작동하면서 지연 시간, 처리 시간, 연산 오버헤드를 줄이도록 설계됐다. 이러한 기능은 다양한 위치와 네트워크 환경에서도 차량과의 연결을 유지하기 위한 것이다.
차량 데이터에서 학습 데이터로
Serve Data Curator는 배치된 로봇이 생성하는 방대한 정보량을 처리한다. 페타바이트 규모의 센서 입력 데이터를 검색하고 시각화할 수 있는 차량 데이터로 변환해, 엔지니어가 모든 녹화 자료를 일일이 검토하지 않고도 관련 상황을 찾고, 고장을 조사하고, 드물게 발생하는 예외 사례를 파악할 수 있게 한다.
선별한 사례를 모아 학습과 평가에 특화된 데이터 세트를 구성할 수 있다. 통합 주석 기능과 머신러닝 워크플로 연결 기능은 유용한 사례를 찾아내는 과정과 이를 모델 개발에 활용하는 과정을 이어준다. 그런 다음 모델 성능을 바탕으로 팀이 다음에 어떤 사례를 선별하고, 수집하고, 시뮬레이션할지 정할 수 있다. 이를 통해 로봇이 현장에서 마주치는 상황을 이후의 학습 과정과 연결한다.
Serve에 따르면 Data Catalog에는 거리에서 작동하는 로봇이 수집한 실제 환경 데이터가 수백만 시간 분량 포함되어 있으며, 여기에는 지형 및 인프라 정보도 들어 있다. 또한 실제 배치 환경에서 데이터를 수집할 때는 현지 법률과 인근 사람들의 사생활을 존중한다고 밝혔다. 보도에서 수집한 지형 및 인프라 데이터는 기초 모델이 도시 보도처럼 복잡한 인간 환경을 학습하도록 하는 데 활용될 예정이다.
이 제품군은 모듈식 플러그 앤 플레이 방식이며, 배송 및 건설 분야뿐 아니라 휴머노이드 로봇, 농업, 임업, 수중 탐사, 자율주행 트럭 분야에서도 활용 사례가 문서화되어 있다. 이들 분야를 잇는 공통 기반은 인프라다. 연결, 데이터 전송, 데이터 선별 기능을 이미 구축된 토대로 제공함으로써 고객이 자체 기계와 자율주행 기능을 개발하는 데 엔지니어링 시간을 집중할 수 있게 한다.
Serve에 중요한 질문은 자사의 운영 경험을 얼마나 폭넓게 다른 분야에 적용할 수 있느냐는 것이다. 이 서비스는 고객에게 보도와 병원에 로봇을 배치하며 구축한 인프라와 데이터를 활용하도록 제안하지만, 고객의 기계는 각기 다른 작업을 수행한다. 이 서비스의 가치는 공통 기반이 고객의 엔지니어링 작업을 얼마나 줄여줄 수 있느냐에 달려 있다.












