솔직히 말해봅시다. 지금까지 우리가 봐온 로봇 데모는 대부분 ‘실망의 발레’나 다름없었습니다. 우주의 열적 죽음이 먼저 찾아올 것만 같은 느릿느릿하고 어설픈 동작을 보고 있노라면 한숨이 절로 나오죠. 하지만 가끔은 이 지루한 소음을 뚫고 나오는 진짜 물건이 등장하곤 합니다. 오늘 그 주인공은 바로 Generalist가 야심 차게 내놓은 새로운 AI 모델, GEN-1입니다. 이 회사의 주장은 꽤나 파격적입니다. 단순히 작동하는 수준을 넘어, 압도적인 성능을 자랑하는 ‘로봇을 위한 범용 AI 두뇌’를 만들었다는 것이죠.
Generalist는 GEN-1을 단순한 물리적 과업을 진정으로 ‘마스터’한 최초의 모델로 내세우며 그 증거들을 쏟아냈습니다. 이전 모델인 GEN-0가 B- 학점 수준인 64%의 성공률에 머물렀다면, GEN-1은 평균 99%라는 경이로운 수치를 기록했습니다. 작업 속도는 기존 SOTA(최첨단) 모델보다 최대 3배나 빠르며, 무엇보다 결정적인 것은 단 한 시간 분량의 로봇 특정 데이터만으로도 새로운 작업을 학습할 수 있다는 점입니다. 이는 단순한 업데이트가 아닙니다. 로봇이 마침내, 진짜로, 상업적 생존력을 갖추게 되는 거대한 전환점일지도 모릅니다.
스케일링 법칙에서 물리적 숙련도까지
불과 5개월 전, Generalist는 GEN-0를 선보이며 GPT와 같은 거대언어모델(LLM)의 폭발적 성장을 이끈 ‘스케일링 법칙(Scaling Laws)‘이 로보틱스 분야에도 적용될 수 있음을 증명했습니다. 더 많은 데이터와 컴퓨팅 자원을 투입할수록 성능은 예측 가능한 수준으로 정교해졌죠. 학술적으로는 중요한 성과였지만, GEN-0는 현장에 투입하기엔 아직 설익은 상태였습니다.
GEN-1은 그 다이얼을 끝까지 돌려 얻어낸 결과물입니다. 50만 시간이 넘는 고정밀 물리 상호작용 데이터를 통해 체급을 키웠고, 새로운 알고리즘 기술로 가속도를 붙였습니다. 여기서 주목할 ‘비법 소스’는 데이터의 출처입니다. 비싸고 확장이 어려운 텔레오퍼레이션(원격 조작) 데이터에만 의존하는 대신, 인간이 착용하는 저가형 웨어러블 기기에서 추출한 데이터를 기반으로 삼았습니다. 이를 통해 시뮬레이션이나 원격 조작으로는 포착하기 힘든 현실 세계의 물리 법칙과 직관적인 미세 교정 능력을 사전 학습 데이터셋에 녹여낼 수 있었습니다.
“우리는 GEN-1이 광범위한 작업에서 상업적 생존 가능성을 열어젖히는 핵심 임계점을 넘은 최초의 범용 물리 AI 모델이라고 확신합니다.“라고 회사는 발표했습니다.
신뢰성, 속도, 그리고 임기응변이라는 ‘삼위일체’
Generalist가 정의하는 ‘숙련도’는 세 가지 핵심 역량의 결합입니다. 이 중 두 가지는 지난 60년간 산업 자동화의 근간이었지만, 세 번째 역량이 등장하면서 게임의 판도가 바뀌었습니다.
신뢰성과 속도: 산업 표준을 넘어선 질주
먼저 수치부터가 압도적입니다. 장시간 테스트에서 GEN-1은 블록 쌓기 1,800회 이상, 박스 접기 200회 이상, 심지어 로봇 청소기 관리 작업까지 200회 연속으로 성공했습니다. 로봇이 로봇을 수리한다니, 누군가에게는 꿈 같은 미래겠지만 누군가에게는 SF 공포 영화의 도입부처럼 느껴질지도 모르겠네요. 어쨌든 이 작업들은 인간의 개입 없이 99%의 성공률로 몇 시간 동안 지속되었습니다.
속도 또한 무시무시합니다. GEN-1이 탑재된 로봇이 박스를 조립하는 데 걸리는 시간은 단 12.1초입니다. 이전 모델이 34초 걸리던 작업이죠. 스마트폰을 케이스에 넣는 작업은 15.5초면 충분하며, 이는 기존보다 2.8배 빠른 속도입니다. 단순히 모터 속도를 올린 결과가 아닙니다. 모델이 경험을 통해 학습하고 고도화된 추론 기법을 활용해, 학습의 토대가 된 인간의 시연보다 더 효율적으로 움직이는 법을 깨달은 결과입니다.
임기응변: 지능의 불꽃
공장 바닥에 고정된 산업용 로봇 팔에게 신뢰성과 속도는 기본 사양입니다. 하지만 그들에게 부족한 것은 시나리오대로 흘러가지 않는 세상의 ‘변수’를 다루는 능력이었습니다. 여기서 GEN-1의 ‘임기응변 지능’이 빛을 발합니다.
Generalist는 이를 ‘창의적 문제 해결’ 형태의 발현 능력이라고 설명합니다. 한 데모 영상에서는 자동차 부품을 분류하던 로봇이 실수로 와셔(washer)를 건드립니다. 일반적인 시스템이라면 동작이 멈추거나 오류를 냈겠지만, GEN-1 기반 시스템은 상황을 즉시 판단하고 적응합니다. 와셔를 다시 제대로 잡기 위해 내려놓거나, 틈새의 모서리를 이용해 방향을 바꾸고, 심지어 다른 쪽 팔을 가져와 양손으로 협업하기도 합니다. 이는 미리 프로그래밍된 복구 루틴이 아닙니다. 학습 데이터의 범위를 벗어난 상황에서 실시간으로 생성된 새로운 해결책입니다. 이것이 바로 ‘자동화(Automation)‘와 ‘자율성(Autonomy)‘의 결정적인 차이입니다.
단순한 모델을 넘어선 시스템의 승리
GEN-1은 단순히 잘 훈련된 모델 가중치 덩어리가 아닙니다. 사전 학습, 사후 학습 기술, 그리고 추론 시간 처리 과정의 혁신이 집약된 하나의 완성된 시스템입니다. 이러한 시스템적 접근 덕분에 데이터 효율성이 극대화되었고, 단 한 시간의 새로운 데이터만으로 새로운 로봇 하드웨어와 새로운 작업에 동시에 적응하는 괴력을 발휘할 수 있게 되었습니다.
물론 GEN-1이 물리적 세계의 모든 문제를 해결하는 ‘만능 열쇠’는 아닙니다. 회사 측도 한계점을 분명히 밝히고 있습니다. 모든 작업이 99% 이상의 성공률을 보이는 것은 아니며, 일부 산업 현장에서는 그 이상의 완벽한 신뢰성을 요구하기도 합니다. 또한, 로봇이 창의적으로 문제를 해결하기 시작하면 ‘AI 정렬(Alignment)’ 문제가 대두됩니다. 효율성을 위해 벽에 구멍을 뚫어버리는 식의 ‘창의적인 해결책’을 내놓지 않도록 통제하는 것이 숙제로 남았습니다.
그럼에도 불구하고 GEN-1의 등장은 중대한 이정표임이 틀림없습니다. 방대한 양의 실제 물리 상호작용 데이터로 모델을 확장하는 것이 범용 로봇으로 가는 가장 유망한 길임을 다시 한번 입증했기 때문입니다. 정확하게, 빠르게, 그리고 예상치 못한 상황에서도 유연하게 대처하는 이 ‘삼박자’를 통해, Generalist는 우리가 꿈꾸던 유능한 범용 로봇의 시대를 현실로 한 걸음 더 끌어당겼습니다. 우리에게 이것은 단순한 모델의 발표 그 이상입니다. 물리적인 세계가 마침내 훨씬 더 똑똑해지기 시작했다는 신호탄입니다.