로봇 AI의 진짜 병목은 데이터다
How to Train Your Robot
AI 발전은 방대한 학습 데이터에 힘입었지만, 로봇에는 텍스트처럼 공개된 데이터 저장고가 없다. 원격조작으로 모은 데이터는 비싸고 비효율적이며, 시뮬레이션은 저렴하지만 sim-to-real 격차가 발목을 잡는다. OpenAI가 13,000년치 시뮬레이션으로 루빅스 큐브를 푼 로봇 손의 성공률이 20%에 그쳤다는 사례가 이를 보여준다. 결국 배포된 로봇에서 데이터를 모으는 '데이터 플라이휠'이 궁극적 해법으로 꼽히지만, 아직 실질적인 규모에 이르지 못했다.
우리가 직면한 가장 큰 과제는 실제 세계의 물리 법칙을 포착할 만큼 다양한 시뮬레이션 환경을 만드는 것이었다. 루빅스 큐브나 로봇 손처럼 복잡한 물체의 마찰, 탄성, 역학을 측정하고 모델링하는 것은 극히 어려우며, 도메인 랜덤화만으로는 충분하지 않다는 것을 알게 되었다.