【드래곤 스포츠】 보증업체놀이터추천홍보 : 프로그램제작판매제작의뢰 : 스포츠분석 : 무료스포츠중계tv : 섹시bj움짤 : 뉴스 : 안구정화

로그인

글쓰기

[IT뉴스][인터뷰] ‘스위스 대표 로봇 석학’ 마르코 후터 취리히연방공대 교수 “피지컬 AI 발전, 생성형 AI보다 훨씬 느릴 것”

온카뱅크관리자

2026-11-15 06:07:25

<div id="layerTranslateNotice" style="display:none;"></div> 구글·엔비디아, 비전언어모델 경쟁… “모델·데이터만 키워선 한계” 내년 돌파구로 ‘AI 모델·강화학습·시뮬레이션 결합’ 꼽아 
 <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> 
 <section dmcf-sid="fDJ2YDSrAz">
 <figure class="figure_frm origin_fig" contents-hash="e3c012e8d59bcb237eaf421200f877d159a3fe8734723c71ccc7726a6558fb28" dmcf-pid="4wiVGwvmk7" dmcf-ptype="figure">
 <img alt="마르코 후터 스위스 취리히연방공과대(ETH Zurich) 교수./ETH 재단" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202611/15/chosunbiz/20261115060319378pgbq.jpg" data-org-width="829" dmcf-mid="VZBZkMaeoq" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202611/15/chosunbiz/20261115060319378pgbq.jpg" width="658">
 <figcaption class="txt_caption default_figure">
 마르코 후터 스위스 취리히연방공과대(ETH Zurich) 교수./ETH 재단
 </figcaption>
 </figure>
 “거대한 비전언어모델(VLM) 하나만 키우면 로봇이 스스로 다양한 작업을 수행하는 범용 자율성을 갖게 될 것이라는 기대는 과대평가돼 있습니다. 생성형 AI처럼 모델과 데이터 규모를 키우는 것만으로 로봇의 성능이 같은 속도로 좋아지지는 않기에, 피지컬 AI의 발전은 훨씬 더 느릴 것으로 봅니다.”
 마르코 후터 취리히연방공대(ETH Zurich) 교수는 지난 13일(현지 시각) 취리히에서 열린 ‘스위스 로보틱스 데이 2026′을 계기로 조선비즈와 진행한 인터뷰에서 이같이 밝혔다.
 후터 교수는 스위스를 대표하는 로봇 연구자다. 4족 보행 로봇 ‘애니멀(ANYmal)’을 상용화한 애니보틱스(ANYbotics)를 비롯해 리버(RIVR), 플렉시온(Flexion), 그라비스 로보틱스(Gravis Robotics) 등 ETH에서 나온 로봇 스타트업 여러 곳을 공동 창업했다. 지금은 ETH 로보틱스센터와 로봇시스템연구실(RSL)을 이끌면서 험지 보행 로봇과 모바일 매니퓰레이터(이동형 플랫폼에 기능성 로봇 팔을 더한 하이브리드 로봇), 자율 굴착기 등을 연구하고 있다.
 최근 로봇업계에서는 생성형 AI의 발전 방식을 로봇에 적용하려는 경쟁이 거세지고 있다. 이미지와 언어를 함께 이해하는 비전언어모델(VLM)을 로봇의 실제 행동까지 확장한 비전언어행동(VLA) 모델을 포함해 로봇 파운데이션 모델을 개발하는 것이 대표적이다. 다양한 작업과 로봇에 하나의 모델을 적용해 범용성을 높이려는 시도다.
 지난 10일 구글 딥마인드는 최신 VLA 모델인 ‘제미나이 로보틱스 2.5′를 공개했다. 엔비디아는 휴머노이드용 VLA 모델 ‘아이작 그루트(GR00T) 1.7’과 데이터 수집과 시뮬레이션, 학습, 배포를 연결하는 개발 플랫폼을 구축하고 있다.
 후터 교수는 VLA를 비롯한 파운데이션 모델의 발전 자체는 내년 로봇 기술을 이끌 중요한 축이라고 봤다. 하지만 VLM의 시각·언어 이해 능력을 행동으로 확장하고 모델 규모를 키우는 것만으로 범용 자율성이 완성될 것이라는 기대에는 선을 그었다.
 범용 로봇을 구현하기 위한 또 다른 경쟁은 학습 데이터 확보다. 업계에서는 사람이 작업하는 모습을 촬영하거나 로봇을 원격 조종해 행동 데이터를 모은 뒤 이를 AI 모델에 학습시키는 방식도 확산되고 있다. 더 많은 행동 데이터와 컴퓨팅 자원을 투입하면 범용 로봇에 가까워질 수 있다는 기대가 깔려 있다.
 그러나 후터 교수는 모델과 데이터 확대로 로봇의 신뢰성과 상용화 문제까지 해결하기는 어렵다고 봤다. 그는 “우리는 여전히 로봇공학의 초기 단계에 있고, 전반적인 분야에서 발전이 필요하다”며 “신뢰할 수 있는 배치를 위해서는 여전히 하드웨어와 안전성의 발전이 필요하다”고 말했다.
 생성형 AI와 피지컬 AI의 차이는 AI가 내놓은 판단이 현실 세계의 움직임으로 이어져야 한다는 데 있다. 로봇은 모터와 관절을 실제로 움직여 물체와 접촉해야 하고, 물체의 무게와 형태, 마찰이나 접촉 상태 등에 따라 필요한 움직임도 달라진다. 디지털 환경에서 결과를 생성하는 것과 달리 AI 모델뿐 아니라 제어와 센서, 하드웨어의 신뢰성이 함께 요구된다.
 후터 교수는 이 때문에 생성형 AI의 발전을 이끈 ‘스케일링 법칙’이 로봇에는 그대로 적용되기 어렵다고 봤다. 그는 “피지컬 AI도 발전하고 있지만, 그 과정은 생성형 AI보다 훨씬 더 느릴 것으로 예상한다”며 “거대언어모델(LLM)은 모델 크기와 학습 데이터, 연산량을 늘리면서 성능을 빠르게 높여왔지만, 물리적 시스템의 스케일링 법칙이 순수한 디지털 세계의 스케일링 법칙과 같다고 생각하지 않는다”고 말했다.
 그렇다면 로봇·피지컬AI의 다음 발전은 어디서 나올까. 후터 교수는 하나의 모델을 더 크게 만드는 것보다 AI 모델과 물리적 학습 기술을 결합하는 데 주목했다.
 그는 “내년 가장 큰 발전은 로봇 파운데이션 모델을 강화학습(시행착오를 반복하며 보상을 최대화하는 행동을 배우는 방식)과 대규모 시뮬레이션에 결합하는 데서 나올 것으로 예상한다”며 “여전히 시뮬레이션과 강화학습을 통해 물리적 기술을 학습하는 것은 과소평가돼 있고, 힘과 촉각 센싱도 마찬가지다. 이러한 기술은 신뢰할 수 있는 상호작용을 구현하는 데 필요한 어려운 접촉과 제어 문제를 다룬다”고 했다.
 로봇 스스로 복잡한 작업을 계획하고 진행 상황을 살피며 문제가 생겼을 때 대응하는 ‘에이전틱 행동’도 주요 발전 방향으로 꼽았다. 그는 “에이전틱 행동은 로봇이 복잡하고 장시간에 걸친 작업을 계획하고, 진행 상황을 모니터링하며 문제가 생겼을 때 적응하도록 도울 것”이라며 “촉각 센싱과 정교한 조작 기술은 이러한 능력을 신뢰할 수 있는 물리적 작업으로 전환하는 데 도움을 줄 것”이라고 말했다.
 일각에서는 AI가 발전할수록 로봇 하드웨어 간 차이가 줄고, 같은 지능을 다양한 로봇 몸체에 적용할 수 있을 것이라는 전망도 나온다. 이에 대해 후터 교수는 “더 나은 AI가 로봇 하드웨어를 서로 대체 가능한 것으로 만들 것이라는 가정에 이의를 제기하고 싶다”고 했다.
 그는 “로봇의 물리적 설계는 그 로봇이 무엇을 감지하고, 무엇을 학습하며, 무엇을 할 수 있는지를 결정한다. 기계는 자신이 수행해야 하는 작업을 중심으로 설계돼야 한다”며 “가장 강력한 제품은 하드웨어와 지능을 함께 개발하는 데서 나올 것”이라고 덧붙였다.
 - Copyright ⓒ 조선비즈 &amp; Chosun.com -
 </section> 
 </div> 
 Copyright © 조선비즈. 무단전재 및 재배포 금지.

댓글 총 0개

이번주 포인트랭킹

매주 일요일 밤 0시에 랭킹을 초기화합니다.

14,000상품권
23,000상품권
32,000상품권

업체홍보/구인 더보기

놀이터홍보 더보기

지식/노하우 더보기

판매의뢰 더보기

포토 더보기