11월 2일, UBTech(유비테크)가 피지컬 AI 시뮬레이션 플랫폼 Thinker-Sim을 공개했다. 겨냥한 것은 로봇 훈련에서 가장 돈과 시간이 많이 드는 부분이다. 실제 데이터를 모으는 비용이 크고, 시뮬레이션 환경을 구축하기 어려우며, 알고리즘 검증 주기가 길다. 이 회사의 방법은 현실 세계를 빠르게 시뮬레이션으로 옮겨 컴퓨터 안에서 로봇을 충분히 훈련시킨 뒤 실제 기기에서 검증하는 것으로, 훈련과 평가를 위해 매번 환경을 처음부터 만들 필요가 없어진다.
플랫폼은 Real2Sim2Real 프레임워크로 구축됐으며, 실제 장면 디지털화와 대규모 시뮬레이션 데이터 합성, 로봇 능력 평가라는 세 가지를 한곳에서 다룬다. 장면 재구성에는 UBTech이 자체 개발한 고정밀 알고리즘 Thinker-GS를 사용하고, SimReady 자산 자동 생성 기술과 결합해 실제 장면 수집부터 3차원 재구성, 시뮬레이션 자산 생성까지 효율적으로 이어지게 한다. 실제 공장 생산 라인을 예로 들면 공장 공간 배치와 환경 구조, 시각적 세부 사항을 복원한 뒤 훈련과 데이터 수집, 알고리즘 평가 등 과제에 따라 로봇과 생산 설비, 인력 같은 전경 자산을 유연하게 불러올 수 있다. 상업 서비스 같은 장면에서도 시각 표현이 사실적인 디지털 트윈 환경을 빠르게 만들어 훈련과 배포 검증에 쓸 수 있다.
템플릿과 에이전트는 진입 장벽을 어디까지 낮추는가
플랫폼에는 로봇이 흔히 필요로 하는 훈련과 데이터 합성, 평가 장면을 아우르는 표준화된 시뮬레이션 작업 템플릿이 풍부하게 내장돼 있다. 사용자는 시뮬레이션 환경을 처음부터 만들 필요가 없으며, 템플릿을 고르고 매개변수를 설정하는 것만으로 시뮬레이션 작업을 빠르게 시작할 수 있다. 시뮬레이션 과정에서는 실시간 화면 송출과 작업 상태 모니터링, 실행 결과 피드백이 제공돼 문제가 생겨도 작업 실패인지 모델 이상인지 환경 설정 문제인지 빠르게 가려낼 수 있다. 장면과 로봇, 작업, 알고리즘, 평가 모듈을 유연하게 설정할 수 있으며, UBTech에 따르면 목표 시뮬레이션 장면의 90% 이상에 대응할 수 있다고 한다.
더 중요한 것은 상호작용 방식이다. 플랫폼은 자체 개발한 Ulab-Agent을 기반으로 자연어를 통일된 진입점으로 삼는다. 사용자의 요구를 이해한 뒤 장면 생성과 환경 설정, 무작위화, 작업 편성과 일정 실행 같은 저수준 원자 스킬을 스스로 호출해 시뮬레이션 작업의 전 과정을 완결한다. 시뮬레이션 코드를 쓸 줄 모르는 사람도 한 문장으로 작업을 지시할 수 있다.
Thinker-Sim이 들어서는 곳은 빈 시장이 아니다. 엔비디아의 Isaac 계열 시뮬레이션 도구는 이미 여러 해 동안 쓰여 왔다. UBTech의 차별점은 평가 기능과 원스톱 흐름에 있지만, 플랫폼이 공개되는지, 요금은 어떻게 되는지, 실제 고객의 도입 데이터는 어떤지에 대해서는 기존 보도에서 밝히지 않았다. 시뮬레이션이 아무리 사실적이어도 최종적으로 중요한 것은 실제 기기에서의 성능이며, 다음에 공개될 도입 사례가 진짜 시험대가 될 것이다.
