RLDX-1, 로봇 정밀 제어의 새로운 기준을 세우다
- •RLDX-1 로봇 정책, 복잡한 휴머노이드 조작 작업에서 86.8% 성공률 달성
- •Multi-Stream Action Transformer 아키텍처 도입으로 실세계 정밀 제어 능력 향상
- •π_{0.5} 및 GR00T N1.6 등 기존 모델 대비 특정 벤치마크에서 2배 이상의 성능 기록
로봇 공학은 오랫동안 정교한 움직임이라는 벽에 부딪혀 왔다. 인공지능이 시를 쓰거나 예술 작품을 생성하는 시대가 되었지만, 기계가 깨지기 쉬운 물건을 다루거나 복잡하고 예측 불가능한 물리 세계를 탐색하는 것은 여전히 거대한 과제이다. 이를 'Dexterous Manipulation(정밀 조작)'이라 부르며, 인간과 같은 수준의 섬세한 운동 제어 능력을 기계에 구현하는 것을 목표로 한다.
최근 공개된 RLDX-1 기술 보고서는 이러한 흐름을 완전히 바꾸어 놓았다. 이 새로운 범용 로봇 정책은 단순히 서로 다른 센서 데이터를 이어 붙이던 기존의 표준적인 방식에서 벗어났다. 대신 로봇의 신경계와 같이 시각 정보와 촉각 피드백을 동시에 합성하도록 설계된 Multi-Stream Action Transformer 아키텍처를 채택했다.
이러한 혁신은 휴머노이드 로봇의 미래에 중요한 의미를 갖는다. 기존 모델들은 다양한 감각 정보를 효과적으로 결합하는 멀티모달 데이터 처리에 어려움을 겪어 왔다. RLDX-1은 교차 모달 조인트 셀프 어텐션(cross-modal joint self-attention)을 사용하여 이 문제를 해결했으며, 인간의 뇌처럼 입력 데이터의 중요도를 실시간으로 판단한다.
실험 결과는 매우 인상적이다. 시뮬레이션 및 실제 환경의 ALLEX 휴머노이드 과제에서 86.8%라는 성공률을 기록했는데, 이는 π_{0.5}나 GR00T N1.6과 같은 이전 모델들의 성능을 두 배 이상 뛰어넘는 수치이다. 이러한 성과는 단순한 통계를 넘어 로봇의 신뢰성이 근본적인 전환점에 도달했음을 의미한다.
AI와 하드웨어의 결합에 주목하는 학생들에게 이번 변화는 명확한 신호를 보낸다. 경직된 스크립트대로 움직이던 과거의 로봇에서 벗어나, 역동적인 환경에서 유연하게 적응하는 에이전트로 진화하고 있는 것이다. RLDX-1은 데이터 기반 학습과 물리 세계의 혼란을 처리하도록 설계된 아키텍처를 결합하여, 진정으로 반응하는 로봇 지능의 청사진을 제시한다.
분야가 성숙해짐에 따라 사고하는 AI와 행동하는 AI 사이의 간극은 점차 줄어들 전망이다. 향후 몇 년 안에 로봇은 단순 반복 작업을 수행하던 기계를 넘어, 물류나 제조를 포함한 다양한 분야에서 정교한 작업을 수행하는 범용 조력자로 거듭날 것이다. 이는 디지털 지능이 실제 물리 세계에 구현되는 실체화된 지능으로의 전환을 의미한다.