도요타에서 분사한 로봇 유니콘: Walden이 '대형 행동 모델'을 공장으로 가져오는 방법은?

저자: Zen, PANews

7월 15일 전까지 Walden Robotics는 대중에게 전혀 알려지지 않았다.

바로 그날, 도요타 연구소에서 스핀오프한 이 로봇 회사가 갑자기 공식적으로 모습을 드러내며 3억 달러 규모의 시드 라운드 투자와 11억 달러의 기업 가치를 한 번에 공개했다.

이번 투자는 도요타와 Deviation Capital이 공동 주도했으며, NVIDIA, 보잉, Samsung Ventures, Prologis Ventures, CoreWeave Ventures 등 산업 자본이 참여했다.

설립부터 유니콘 대열에 합류하기까지 Walden은 단 반년밖에 걸리지 않았다. 그리고 이미 많은 로봇 스타트업이 꿈꾸는 조건들(성숙한 연구팀, 충분한 자본, 도요타의 개방된 생산 체계, 그리고 제조, 항공, 전자, 물류 산업 투자자로부터의 잠재적 협력 채널)을 갖추고 있다.

도요타 연구소에서 나온 새로운 유니콘

이번 투자 소식을 발표하기 전까지 Walden Robotics는 계속 스텔스 상태를 유지해왔다.

올해 1월, Walden은 도요타 연구소(Toyota Research Institute, 이하 'TRI')로부터 분사 설립되었다. 회사명은 미국 작가 소로의 저서 『월든』(Walden)에서 영감을 받았으며, 이 책은 의식을 가지고 목표를 가지고 살아가는 삶의 중요성을 설파한다. 이는 이 회사가 탐구하고자 하는 문제와도 맞닿아 있다. 즉, 로봇이 어떻게 사람들이 일과 삶에서 더 많은 의미를 찾도록 도울 수 있을까 하는 점이다.

Walden의 공동 창립자 겸 CEO인 Russ Tedrake의 판단에 따르면, 피지컬 AI로 구동되는 범용 로봇은 의심할 여지 없이 파괴적인 기술이며 이미 중요한 변곡점을 향해 나아가고 있다. 그러나 상업적 성공을 거두기 위해서는 로봇 기업들이 단위 경제성을 검증하고 고객과 긴밀하게 협업해야 한다.

독립 회사가 되면서 Walden은 TRI의 로봇 기술 상용화를 더욱 집중적으로 추진하여 관련 성과를 연구실에서 생산 현장으로 가져올 수 있게 되었다. Walden은 전 세계 대형 제조 및 물류 기업과 협력하여 실제 환경에서 제품 역량을 지속적으로 검증하고, 제품이 실제 생산 공정에 적합하도록 하여 명확한 비용 절감과 효율성 향상을 가져오고자 한다.

Russ Tedrake는 MIT 교수로, 이전에 TRI에서 약 10년간 로봇 및 머신러닝 팀을 이끌었다. 그의 팀은 Diffusion Policy, 범용 조작 인터페이스(UMI), 대형 행동 모델(Large Behavior Models), OpenVLA, 그리고 오픈소스 시뮬레이터 Drake 등 많은 기초 연구 기여를 했다.

Russ Tedrake 외에도 현재 Walden 창립팀에는 CTO Ben Burchfiel, COO Kerri Fetzer-Borelli, 최고 제품 책임자 Dave Johnson, 최고 전략 책임자 Adrien Gaidon, 최고 아키텍트 Siyuan Feng, 그리고 AI 책임자 Rares Ambrus가 포함되어 있다. 이들 다수는 TRI 대형 행동 모델 연구의 프로젝트 책임자로 활동하며 모델 아키텍처, 훈련, 시뮬레이션 및 평가 체계 구축에 참여했다.

Walden Robotics 팀, 왼쪽에서 두 번째가 Russ Tedrake

일반 스타트업과 비교해 Walden의 출발점과 플랫폼은 확실히 높다는 것을 알 수 있다. 한편으로는 TRI의 로봇 분야에서의 수십 년간의 연구 성과를 계승했다. 다른 한편으로는 도요타가 핵심 투자자이자 가장 중요한 초기 산업 파트너로서 첫 번째 실제 생산 현장을 제공했다.

도요타 제조 시스템을 등에 업고, Walden, 상용화 검증 주기 단축

구현 지능 기업의 일반적인 난제는 기술 연구개발과 상업적 배치 사이에 단절이 존재한다는 점이다.

로봇은 고품질 데이터를 얻기 위해 실제 환경에 투입되어야 하지만, 초기 제품의 신뢰성과 경제성 문제로 인해 기업 고객을 설득하여 실제 작업에 투입시키기 어렵다. 배치 현장과 데이터가 부족하면 모델이 현실 세계의 이상 상황을 커버하기 어렵고, 제품 성능도 지속적으로 개선되기 어렵다.

설립 초기부터 도요타 생산 체계의 지원을 받은 Walden은 이러한 검증 주기를 어느 정도 단축했다. 도요타는 기술 인큐베이터이자 핵심 투자자일 뿐만 아니라 첫 번째 실제 배치 환경 제공자이기도 하다. Walden은 처음부터 산업 고객을 찾을 필요도 없고 테스트용 시뮬레이션 공장을 별도로 구축할 필요도 없이, 곧바로 기존 생산 공정에 투입되어 제조팀과 함께 작업을 정의하고, 장비를 조정하며 투자 대비 성과를 평가할 수 있다.

이러한 산업적 배경의 가치는 단순히 로봇 '훈련' 장소를 제공하는 데 그치지 않는다. 산업용 로봇이 경제적 가치를 창출할 수 있는지는 작업 빈도, 장비 가동률, 안전 요구 사항 등 여러 요소에 달려 있다. 실험실에서 뛰어난 성능을 보이는 많은 로봇 작업이 공장에 들어가면 배치 가치가 없을 수도 있다.

도요타가 오랫동안 축적한 제조 및 자동화 경험은 Walden이 현재 기술 수준에 적합하면서도 상업적 회수가 명확한 공정을 우선적으로 선택하도록 도와, 제품 개발이 고객 요구와 동떨어질 위험을 줄일 수 있다.

또한 Walden의 투자자 구성은 외부 환경으로 사업을 확장할 잠재적 채널을 제공한다. 도요타 외에 보잉, Samsung Ventures, Prologis Ventures는 각각 항공 제조, 전자 산업, 물류 인프라스트럭처와 연결되며, NVIDIA와 CoreWeave는 로봇 컴퓨팅 및 AI 훈련 자원과 연결된다.

이들 기업은 분명 잠재적인 협업 자원으로, 향후 Walden에 협업을 위한 진입로를 제공할 가능성이 있다. 어느 정도, 도요타가 상용화 초기 단계의 현장과 데이터 문제를 해결해준 후, Walden의 장기적 가치를 진정으로 결정하는 것은 이 기술 및 운영 체계가 도요타를 넘어 더 많은 제조 기업을 위한 표준화된 제품으로 전환될 수 있는지 여부일 것이다.

이에 대해 TRI의 연구와 기술 성과를 계승한 Walden은 자신감을 보이고 있으며, 이는 이 회사의 기술 체계 핵심인 대형 행동 모델(Large Behavior Models, 이하 LBM)을 언급하지 않을 수 없다.

핵심 기술 LBM(대형 행동 모델), 범용 조작 능력을 공장으로 가져오다

텍스트 생성을 위한 대형 언어 모델과 달리, LBM은 시각 화면, 로봇 자체 상태, 촉각 또는 기타 센서 정보, 작업 명령을 동시에 처리하고 이를 바탕으로 연속적인 동작을 생성해야 한다. 그 목표는 개별 작업마다 코드를 작성하는 것이 아니라, 멀티태스크 데이터 훈련을 통해 동일한 모델이 다양한 조작 기술을 학습하고 전이할 수 있도록 하는 데 있다.

이러한 노선은 TRI의 수년간의 로봇 학습 연구 위에 구축되었다. 그중 Diffusion Policy는 비교적 대표적인 기술적 기반이다.

전통적인 산업용 로봇은 일반적으로 사전 설정된 운동 궤적과 작업 조건에 의존하며, 부품 위치, 장비 배치 또는 생산 공정이 변경되면 엔지니어가 재프로그래밍하고 디버깅해야 하는 경우가 많다. Diffusion Policy는 인간 시연을 통해 동작 분포를 학습하며, 모델은 시각, 동작 및 로봇 상태 데이터에서 규칙을 추출한 다음 스스로 재현하려고 시도한다.

이 기반 위에서 LBM은 더 나아가 여러 작업을 통합된 사전 훈련 프레임워크에 포함시킨다. TRI가 이전에 공개한 연구는 약 1700시간의 로봇 데이터를 사용하고 1800회의 실제 환경 테스트와 4만 7천 회 이상의 시뮬레이션 테스트를 수행했다. 연구 결과에 따르면, 멀티태스크로 사전 훈련된 모델은 일부 새로운 작업을 학습할 때 처음부터 단일 작업으로 훈련된 모델보다 필요한 데이터 양이 현저히 적을 수 있다.

시뮬레이션과 현실 세계에서 다양한 작업과 환경 조건에 대해 Walden이 자사 LBM 모델을 평가한다

이는 Walden의 제품 논리에 기반을 제공한다. 로봇이 엔지니어 팀의 작업별 프로그래밍에 의존할 필요 없이, 소량의 시연만으로 새로운 작업 절차에 적응할 수 있기 때문이다. 산업 고객에게 이러한 능력은 주로 제품 종류가 다양하고 생산 작업이 자주 조정되는 제조 환경에 적합하다. 고정된 동작만 반복할 수 있는 전통적인 자동화 장비와 비교할 때, 학습 능력을 갖춘 로봇은 더 낮은 개조 비용으로 공정과 작업을 전환할 수 있을 것으로 기대된다.

현재 Walden은 자율 운행과 원격 인간 지원을 결합하는 방식을 채택하고 있다. 로봇은 이미 습득한 일상적인 작업을 독립적으로 완료할 수 있으며, 예상치 못한 물체, 환경 변화 또는 모델의 능력 범위를 벗어난 상황이 발생하면 원격 작업자가 개입한다.

로봇의 본체 디자인에서 Walden은 인간과 유사한 두 팔 상체와 바퀴형 이동 하체를 결합한 형태를 채택했으며, 제품의 중점을 양팔 조작, 작업 학습 및 환경 적응 능력에 두고 있다.

바퀴형 이동 로봇은 바닥이 평평하고 작업 위치가 명확한 산업 및 창고 현장에서 드물지 않다. 주요 장점은 안정성, 적재량 및 시스템 복잡성이 상대적으로 통제 가능하다는 점이다. 인간형 상체 디자인은 로봇이 인간을 위해 설계된 도구와 작업 공간을 사용하는 데 도움을 준다. Walden이 추구하는 '범용성'은 개별 작업을 모델이 학습하는 능력과 다양한 물체 및 장비를 두 팔로 조작하는 시스템 능력에서 더 많이 비롯된다.

그러나 Walden이 비할 데 없는 조건을 가지고 있고 로봇 트랙에서 어느 정도 앞서나가고 있음에도 불구하고, Russ Tedrake가 Walden 공식 출범 당시 말했듯: "팀은 충분히 강하고, 진전은 충분히 빠르기에 우리는 그것을 과장할 필요가 없습니다." 하지만 스텔스 상태를 막 벗어난 이 회사에게는, Russ Tedrake가 말한 것처럼: "우리는 이제 막 이 여정에 올랐을 뿐입니다."