이 소식에 귀를 기울여온 분들이라면 그리 놀랍지 않을, 하지만 여전히 흥미진진한 반전이 일어났습니다. 한 연구자가 개발한 로봇이 새로운 기술을 너무나도 완벽하게 습득한 나머지, 급기야 자신을 가르친 스승을 경기에서 꺾어버린 것이죠. 종목은 테니스, 프로젝트의 이름은 LATENT입니다. 이 휴머노이드는 프로 선수의 매끄러운 데이터가 아니라, 오히려 ‘불완전한’ 인간의 동작 클립을 보고 테니스를 배웠습니다. 결과는요? 이제는 랠리를 거뜬히 이어가며 코트를 지배하는 수준에 도달했습니다.
**칭화대학교(Tsinghua University)**와 Galbot Inc. 연구진이 주도한 이번 프로젝트는 로봇공학의 해묵은 난제 하나를 정면으로 돌파했습니다. 바로 완벽한 ‘정답지’ 없이도 복잡하고 민첩한 움직임을 가르치는 것입니다. 연구진의 시스템은 파편화되고 어설픈 인간의 테니스 동작들로부터 ‘잠재 액션 공간(latent action space)‘을 추출해 학습합니다. 여기서 핵심 비결은 마치 ‘디지털 코치’처럼 작동하는 고수준 AI 정책입니다. 이 AI는 결함이 있는 기초 기술들을 교정하고 조합해 공을 네트 너머로 정확히 넘길 수 있도록 최적의 판단을 내립니다. 모든 과정은 가상 시뮬레이션에서 정교하게 연마된 후, ‘심투리얼(sim-to-real)’ 전이 기술을 통해 실제 Unitree G1 휴머노이드 로봇에 이식되었습니다.
백문이 불여일견, 결과는 스코어보드가 증명합니다. 리드 저자인 Zhikai Zhang에 따르면 학습 곡선은 경이로울 정도로 가팔랐습니다. “실제 로봇에 적용한 첫날, 녀석은 제가 넣은 서브를 단 한 번도 받아치지 못했습니다.” Zhang은 회상합니다. “하지만 프로젝트 마지막 날, 저는 더 이상 로봇을 이길 수 없었습니다.” 기술적인 세부 사항이 궁금하거나, 자신만의 ‘테니스 정복자’를 직접 훈련시켜보고 싶은 분들을 위해 연구팀은 프로젝트 페이지와 코드를 전격 공개했습니다. 하이퍼링크: Project Page 및 GitHub Repository.
이번 성과가 왜 중요한가요?
단순히 외로운 테니스광들을 위한 연습 상대를 만든 게 아닙니다. LATENT 시스템의 진정한 혁신은 ‘정돈되지 않은 불완전한 데이터’에서도 유의미한 학습을 해냈다는 점에 있습니다. 기존 로봇 훈련에는 정교하게 다듬어진 데이터셋이 필수적이었고, 이를 구축하는 데는 막대한 비용과 시간이 소모되었습니다. 결함이 있는 예시를 스스로 수정하고 조합하는 이 방식은 로봇이 복잡한 실전 업무를 배우는 속도를 비약적으로 높여줄 것입니다. 물류 창고부터 재난 현장까지, 완벽한 시연 없이도 현장에서 스스로 ‘일머리’를 깨우치는 로봇 시대를 향한 거대한 도약입니다.
