시뮬레이션 스타트업, 물리적 AI 분야의 선두주자가 되겠다는 목표

물리적 AI의 비전은 엔지니어들이 디지털 에이전트를 프로그래밍하는 것만큼이나 손쉽게 물리적 에이전트를 프로그래밍할 수 있도록 하는 것입니다.

아직 그 단계에는 이르지 못했습니다. 로봇공학은 여전히 물리적 세계의 데이터가 심각하게 부족하다는 점에 제약을 받고 있습니다. 기업들은 기계를 훈련시키기 위해 테스트용 모의 창고를 구축해야 하며, 로봇 운영을 위한 딥러닝 모델을 훈련할 데이터를 수집하기 위해 공장 라인과 긱(gig) 근로자를 모니터링하는 산업 전체가 등장했습니다.

시뮬레이션은 또 다른 해결책을 제시합니다. 실제 환경을 세밀하게 재현한 가상 복제본은 로봇 공학자들이 필요로 하는 확장 가능한 데이터와 테스트 환경을 제공할 수 있습니다.

로봇 개발자를 위한 시뮬레이션 도구를 개발하는 스타트업인 안티오크(Antioch)는 업계의 '시뮬레이션과 현실의 격차(sim-to-real gap)'를 해소하는 것을 목표로 하고 있다. 이는 가상 환경을 너무나 현실적으로 만들어, 그 안에서 훈련받은 로봇이 실제 세계에서도 안정적으로 작동할 수 있도록 하는 과제다.

안티오크의 CEO이자 공동 창업자인 해리 멜솝은 "자율 시스템의 관점에서 시뮬레이션이 현실과 구별되지 않게 만들어 그 격차를 어떻게 가장 효과적으로 최소화할 수 있을까?"라고 말했다.

이 목표를 추진하기 위해 안티오크는 850만 달러 규모의 시드 펀딩 라운드를 발표했으며, 이를 통해 기업 가치가 6,000만 달러로 평가되었다. 이번 라운드는 벤처 캐피털 A*와 카테고리 벤처스(Category Ventures)가 주도했으며, MaC 벤처 캐피털, 애브스트랙트(Abstract), 박스 그룹(Box Group), 아이스하우스 벤처스(Icehouse Ventures)가 참여했다.

멜솝은 작년 5월, 4명의 공동 창업자와 함께 뉴욕에 본사를 둔 이 회사를 설립했다. 그중 알렉스 랭셔와 마이클 칼비는 이전에 그와 함께 보안 및 인텔리전스 스타트업 트랜스포즈(Transpose)를 공동 창업했으며, 이 회사는 이후 체인애널리시스(Chainalysis)에 인수되었다. 나머지 두 명의 창업자인 콜린 슐라거와 콜튼 스윙글은 각각 구글 딥마인드와 메타 리얼리티 랩스(Meta Reality Labs)에서 경력을 쌓았다.

고급 시뮬레이션에 대한 수요는 많은 주요 자율주행 기업들의 핵심 업무입니다. 예를 들어 자율주행 분야에서 웨이모(Waymo)는 구글 딥마인드의 월드 모델을 활용해 주행 알고리즘을 테스트하고 평가합니다. 이러한 접근 방식은 이론적으로 새로운 지역에 차량을 배치하는 데 필요한 방대한 데이터 수집을 줄일 수 있으며, 이는 기술 확장에 있어 상당한 비용 부담을 줄여줍니다.

로봇 테스트를 위한 이러한 모델을 구축하고 활용하는 데는 자율주행차 개발과는 다른 기술 역량이 필요합니다. 안티오크는 모든 것을 자체적으로 구축할 자본이 부족한 신생 기업들을 위해 이 문제를 해결하는 플랫폼을 만드는 것을 목표로 합니다. 이러한 소규모 기업들은 물리적 테스트 시설을 구축하거나 센서가 장착된 차량으로 수백만 마일을 주행할 여력도 없습니다.

멜솝은 "업계 대다수는 시뮬레이션을 전혀 사용하지 않고 있으며, 우리가 진전을 가속화해야 한다는 점이 점점 더 분명해지고 있다"고 말했다.

앤티오크 경영진은 자사 제품을 인기 있는 AI 기반 소프트웨어 개발 도구인 커서(Cursor)에 비유합니다. 이 플랫폼을 통해 로봇 제작사는 실제 데이터 피드를 재현하는 시뮬레이션 센서에 연결된 하드웨어의 여러 디지털 인스턴스를 실행할 수 있습니다. 이러한 환경을 통해 개발자는 극한 상황을 테스트하고, 강화 학습을 수행하며, 새로운 훈련 데이터를 생성할 수 있습니다.

하지만 이는 시뮬레이션이 높은 정확도를 달성하는 데 달려 있습니다. 핵심 과제는 가상 물리 법칙이 현실과 일치하도록 보장하여 실제 기계를 제어하는 모델이 완벽하게 작동하도록 하는 것입니다. 안티오크는 엔비디아(Nvidia), 월드 랩스(World Labs) 등의 모델을 기반으로 하여 사용 편의성을 높이기 위해 도메인별 라이브러리를 구축합니다. 여러 고객사와의 협력을 통해 이 회사는 단일 물리적 AI 기업이 단독으로는 달성할 수 없는 광범위한 맥락을 확보하여 시뮬레이션을 정교화합니다.

카테고리 벤처스(Category Ventures)의 파트너인 차글라 카이마즈(Çağla Kaymaz)는 테크크런치(TechCrunch)와의 인터뷰에서 "소프트웨어 엔지니어링과 대규모 언어 모델(LLM) 분야에서 목격했던 현상이 이제 물리적 AI 분야에서도 시작되고 있다"고 말했다. "우리는 개발자 도구에 큰 비중을 두고 있으며 해당 분야를 매우 좋아하지만, 과제는 다르다. 소프트웨어의 경우, 수준 미달의 코딩 도구가 초래하는 위험은 대체로 디지털 영역에 국한된다. 하지만 물리적 세계에서는 그 위험이 훨씬 더 크다."

안티오크(Antioch)는 현재 주로 센서 및 지각 시스템에 주력하고 있으며, 이는 자율주행 차량, 농업 및 건설 기계, 항공 드론에 있어 핵심적인 요구 사항이다. 인간의 작업을 모방하는 범용 로봇에 대한 더 광범위한 비전은 아직 먼 미래의 일이다. 스타트업에 초점을 맞추고 있지만, 안티오크의 초기 고객 중 일부는 로봇 공학 분야에 이미 상당한 투자를 한 대형 다국적 기업들이다.

에이드리언 맥닐은 이 분야에 깊은 전문성을 갖추고 있다. 자율주행 스타트업 크루즈(Cruise)의 임원으로 재직하며 회사의 데이터 인프라를 구축한 그는, 2021년 물리적 AI 스타트업들을 위한 유사한 데이터 파이프라인 도구를 제공하는 폭스글로브(Foxglove)를 설립했다. 맥닐은 또한 안티오크의 엔젤 투자자이기도 하다.

그는 샌프란시스코에서 열린 '라이드.AI(Ride.AI)' 컨퍼런스에서 "시뮬레이션은 안전성 입증 사례를 구축하거나 고정밀 작업을 처리하는 데 필수적입니다"라고 말했다. "실제 도로에서 충분한 주행 거리를 확보하는 것은 단순히 불가능합니다."

맥닐은 SaaS 혁명을 주도했던 GitHub, Stripe, Twilio와 같은 플랫폼처럼, 물리적 AI를 위한 기초 도구가 등장하기를 희망한다. 그는 "전체 툴체인 중 훨씬 더 많은 부분이 즉시 사용 가능한 형태로 제공되어야 합니다"라고 덧붙였다.

"우리는 2~3년 이내에 실제 자율 시스템을 구축하는 누구나 주로 소프트웨어를 통해 이를 수행하게 될 것이라고 진심으로 믿습니다,"라고 멜솝은 말했다. "자율 에이전트가 물리적 시스템에서 반복적으로 개선하고 진정한 피드백 루프를 완성할 수 있게 된 것은 이번이 처음입니다."

이미 실험이 진행 중이다. MIT 컴퓨터과학 및 인공지능 연구소(CSAIL)의 연구원 데이비드 메이요는 안티오크(Antioch)의 플랫폼을 활용해 대규모 언어 모델(LLM)을 평가하고 있다. 한 실험에서는 AI 모델이 로봇을 설계하고, 이 로봇들은 안티오크의 시뮬레이터에서 평가받는다. 모델들은 심지어 경쟁 로봇을 플랫폼 밖으로 밀어내는 등 시뮬레이션된 대결에서 경쟁할 수도 있다. LLM에 현실적인 샌드박스를 제공한다면, 이들의 능력을 벤치마킹하는 새로운 패러다임을 확립할 수 있을 것이다.

AI 엔지니어의 시대가 도래하기 전까지, 디지털 모델과 현실 사이의 격차를 좁히기 위해 해결해야 할 과제가 여전히 산적해 있습니다. 이 작업이 성공한다면 개발자들은 강력한 데이터 플라이휠을 구축할 수 있을 것입니다. 맥닐은 이러한 플라이휠이 웨이모(Waymo)와 같은 선도 기업의 성공 비결이라고 믿습니다. 웨이모의 엔지니어들은 새로운 모델이 출시될 때마다 이전 모델보다 더 뛰어난 성능을 발휘할 것이라는 확신을 점점 더 굳혀가고 있습니다.

이러한 성공을 재현하고자 하는 다른 기업들의 선택지는 이러한 도구를 직접 개발하거나 구매하는 것 중 하나가 될 것이다.