Physicl, 시드 1,000만 달러 유치 로봇용 시뮬레이션

시뮬레이션과 현실의 간극

피지컬 AI를 연구하는 학자들은 영상으로 로봇을 훈련해도 성과가 기대에 못 미치고, 원격 조작으로 데이터를 모으는 데 비용이 많이 든다는 점에서 어려움을 겪고 있습니다. 디지털 세계의 시뮬레이션이 대안으로 꼽히지만 실제 물리 법칙을 충실히 반영하기는 쉽지 않았습니다. 드 비강은 불완전하고 이질적인 현실 정보를 정확한 형상, 재질, 물리를 갖춘 고정밀 3D 표현으로 바꾸는 파이프라인이 해법이 될 수 있다고 말합니다.

Physicl은 어려운 엣지 케이스에 대한 사후 학습에 집중합니다. 이번에 내놓는 제품 Studio에는 3D 환경 1만 개와 에셋 10만 개가 담겼고, 사용자가 장면을 만들어 합성 데이터를 생성할 수 있습니다. 어수선한 조리대나 그림자 속의 컵을 알아보지 못하는 로봇을 위한 데이터가 한 예입니다.

고객과 경쟁 환경

월드 모델 개발사 SpAItial이 초기 고객으로 협력했습니다. 2D 이미지를 3D 시뮬레이션으로 만드는 이 회사의 최신 모델 Echo-3는 지난주 공개됐습니다. 창업자 마티아스 니스너는 이를 위해 Physicl 같은 고정밀 합성 데이터가 필요했다고 설명했습니다. 데이터를 수작업으로 선별하는 주기가 길어, 훈련 상태에 따라 자동으로 데이터를 만드는 방식이 매력적이라는 평가입니다.

이 분야에는 경쟁사가 많습니다. 드 비강도 "아주 젊고 때로는 모호한 시장"이라고 인정합니다. 그럼에도 Physicl은 단순한 데이터 공급자를 넘어 합성 데이터를 지속적으로 생성하는 도구가 되겠다는 구상입니다.