‘카이로스-홈월드’ 속으로: 중국 가정에서 로봇을 훈련시키는 일이 겉보기보다 어려운 이유

2026년 6월 초, 센스타임(SenseTime) 계열사인 다샤오 로보틱스(Daxiao Robotics)의 신체 기반 AI 부문인 ACE 로보틱스(ACE Robotics)가 ‘카이로스-홈월드(Kairos-HomeWorld)’를 발표했을 때, 대부분의 보도는 새로운 데이터셋, 새로운 프레임워크, 수억 규모의 자금 조달이라는 헤드라인에만 초점을 맞췄다. 하지만 이러한 헤드라인들이 놓친 것은 그 이면에 숨겨진 더 어렵고 흥미로운 이야기였다. ‘Kairos-HomeWorld’는 단순한 데이터셋이 아닙니다. 이는 중국 시장을 겨냥한 가정용 서비스 로봇 개발 시도를 은연중에 저해해 온 문제, 즉 훈련 데이터가 실제 중국 가정의 모습과 다르다는 점을 해결하기 위해 설계된 생성형 파이프라인입니다. 이 기사는 초기 보도에서 다루지 않았던 세 가지 측면을 더 깊이 파헤칩니다.

A
4분 소요Posted: 2026년 6월 21일
‘카이로스-홈월드’ 속으로: 중국 가정에서 로봇을 훈련시키는 일이 겉보기보다 어려운 이유
1. Kairos-HomeWorld의 내부 작동 원리

가정용 로봇을 위한 대부분의 시뮬레이션 데이터셋은 정적입니다. 즉, 연구자들이 훈련 과정에서 샘플링하는 미리 구축된 3D 방으로 구성된 고정된 라이브러리입니다. Kairos-HomeWorld는 이와 다르게 작동합니다. 이는 단 하나의 텍스트 프롬프트를 기반으로 필요에 따라 새롭고 독창적이며 시뮬레이션에 바로 사용할 수 있는 가정 환경을 생성하는 4단계 생성 파이프라인입니다.

이 파이프라인은 다음과 같이 작동합니다:

1단계: 평면도 생성. 이 시스템은 부동산 매물 목록에서 수집하고 자동 벡터화 파이프라인을 통해 처리한 30만 개의 실제 중국 주거용 평면도를 기반으로 훈련되었습니다. 각 평면도는 K-D 트리 표현을 사용하여 인코딩되는데, 이는 대규모 언어 모델이 일관된 공간적 관계를 가진 방 배치를 이해하고 생성할 수 있게 해주는 계층적 공간 데이터 구조입니다. 이 단계만으로도 상당한 기여를 한 것으로 볼 수 있습니다. 가장 널리 사용되는 두 가지 오픈 플로어플랜 벤치마크인 RPLAN과 ResPlan은 각각 약 80,000개와 17,000개의 평면도를 포함하고 있습니다. Kairos-HomeWorld의 300,000개 평면도 코퍼스는 그 다음으로 우수한 대안보다 거의 4배나 더 큽니다.

2단계: 2D-3D 변환 및 가구 배치. 평면도가 생성되면 시스템은 빈 3D 건물 셸을 생성하고, 계층적 뷰 로밍 접근 방식을 사용하여 가구를 배치합니다. 먼저 탑다운 방식의 전역 패스를 통해 대형 가구를 배치한 다음, 1인칭 시점을 활용한 워크스루를 통해 세부 사항을 추가합니다. 이 이중 패스 방식은 2D-3D 변환 과정에서 흔히 발생하는 “기하학적 드리프트(geometric drift)”라는 오류를 해결합니다. 기하학적 드리프트란 2D 평면도에 배치된 객체가 3차원으로 렌더링될 때 정렬이 어긋나거나 공중에 떠버리는 현상을 말합니다.

3단계: 재귀적 정제. 미세 조정된 비전-언어 모델(VLM)이 품질 관리자 역할을 수행하며, 생성된 각 장면을 스캔하여 문이 막혀 있거나, 가구 간 충돌, 물체가 벽을 관통하는 등의 물리적 위반 사항을 확인합니다. 그런 다음 반복 루프를 통해 수정안을 제안하고 적용합니다. 그 결과, 오류율이 가장 낮은 수준에 속합니다.

다른 유사한 방법에서 보고된 가구 충돌률.

4단계: 조작 가능한 객체 배치. 마지막 단계에서는 책상, 카운터, 식탁, 선반과 같은 표면에 작은 객체들을 배치하며, 각 객체에는 재료 구성, 밀도, 마찰 계수, 구조적 지지 관계 등 물리적 특성이 할당됩니다. 생성된 각 장면에는 평균 15개 이상의 조작 가능한 물체가 포함되어 있으며, 4.16의 풋프린트 물체 밀도(FOD)를 달성했는데, 이는 유사한 방법 중 보고된 수치 중 가장 높은 수치입니다. 모든 물체는 시뮬레이션 엔진과 기본적으로 호환되므로, 로봇은 즉시 물체 잡기, 쌓기, 붓기, 냉장고 문과 같은 관절식 물체 열기 등의 훈련 작업을 시작할 수 있습니다.

실용적인 의미는 매우 큽니다. 기존 데이터셋이 로봇 공학 팀에 훈련용으로 예를 들어 5,000개의 방으로 구성된 고정된 라이브러리를 제공하는 반면, Kairos-HomeWorld는 한계 비용이 거의 제로에 가까운 수준에서 수백만 개의 고유하고 물리적으로 타당한 환경을 생성할 수 있습니다. 새로운 장면 생성은 물리적 속성에 대한 접근 권한이나 가구 파손에 대한 책임이 필요하지 않으며, 초기 프롬프트 외에는 사람의 주석이 전혀 필요하지 않습니다.

2. 중국의 주거 공간 레이아웃 문제는 데이터 주권을 지키는 견고한 방어선이다

대부분의 서구 로봇공학 전문가들이 아직 완전히 파악하지 못한 세부 사항은 다음과 같습니다. 미국이나 유럽의 시뮬레이션 데이터로 훈련된 로봇이 중국 가정에서 실패할 가능성이 높은 이유는 하드웨어적 한계 때문이 아니라, 로봇의 이동 및 조작에 중요한 측면에서 환경의 구조적 차이가 있기 때문입니다.

중국 도시 거주자 5억 명 중 대다수가 거주하는 중국 도시 아파트는 독특한 공간적 구조를 가지고 있습니다. 일반적으로 2개 침실이 있는 유닛의 경우 60~90제곱미터 정도로 콤팩트한 편이며, 오픈 플랜 구조보다는 분리된 주방을 갖추고, 세탁 전용 서비스 발코니, 습식·건식 구분이 된 욕실, 남북 방향의 교차 환기가 가능한 복도, 현관 수납 공간을 갖추고 있습니다. 오래된 주택은

가정용 서비스 로봇의 잠재 시장 중 상당 부분을 차지하는 중국 주택은, 서양 시뮬레이션 데이터셋에서 주로 나타나는 직사각형 평면과 크게 다른 불규칙한 방 구조를 보이는 경우가 많습니다.

이러한 차이는 단순한 외관상의 문제가 아닙니다. 개방형 미국식 주방에서 이동하도록 훈련받은 로봇은, 냉장고, 가스레인지, 싱크대가 80센티미터 미만의 여유 공간만을 두고 일렬로 배치된 좁고 밀폐된 중국식 주방에서 작업하는 데 필요한 공간적 추론 능력을 습득하지 못했을 것입니다. 서양식 식탁 위에 물건을 올려놓도록 훈련된 로봇은 중국 식당에서 흔히 볼 수 있는 회전식 라지-수잔(lazy-susan) 구조를 접해본 적이 없을 것입니다. 서양식 욕실 구조로 훈련된 로봇은 중국 욕실에서 샤워 공간을 분리하는 단차가 있는 습식 구역을 탐색하는 법을 배우지 못했을 것입니다.

Kairos-HomeWorld의 데이터셋은 이러한 격차를 해소하기 위해 특별히 구축되었습니다. 이 데이터셋은 약 30제곱미터(원룸)부터 200제곱미터가 넘는 주거 단위 크기를 아우르며, 앞서 언급한 건축적 특징들을 명시적으로 포함하고 있습니다. ACE Robotics와 CUHK 연구팀은 이를 “역사적으로 소외되어 온 주거 유형”을 의도적으로 포함시킨 것이라고 설명하는데, 이는 전 세계 로봇 공학 연구계가 지금까지 상하이가 아닌 팔로알토와 같은 환경을 기준으로 훈련 데이터를 구축해 왔음을 우회적으로 표현한 것이다.

이는 경쟁 측면에서 상당한 의미를 지닙니다. 중국에서 가정용 서비스 로봇을 판매하고자 하는 국제 로봇 기업이라면 중국 가정을 반영한 훈련 데이터가 필수적입니다. 오픈소스로 공개된 ‘Kairos-HomeWorld’는 연구 커뮤니티의 진입 장벽을 낮추지만, 파이프라인을 최초로 구축하고 배포한 ACE Robotics와 Daxiao Robotics는 구조적인 선두 위치를 유지하고 있습니다. 이 두 기업은 이미 자사의 일상적인 로봇 훈련 워크플로우에 카이로스-홈월드(Kairos-HomeWorld)를 활용하고 있다. 경쟁사가 비슷한 수준의 데이터셋을 처음부터 구축할 때쯤이면, 다샤오(Daxiao)의 로봇들은 이미 수개월 분량의

경쟁사가 아직 구현할 수 없는 환경에서 추가적인 훈련 주기를 수행합니다.

이것이 바로 데이터 주권이라는 경쟁 장벽이 실제로 어떤 모습인지 보여주는 사례입니다.

3. 과연 ‘시뮬레이션에서 실제 환경으로의 전이’ 문제를 실제로 해결할 수 있을까?

어떤 시뮬레이션 프레임워크에 관해서든 가장 중요한 질문은 보도자료에서 거의 직접적으로 답하지 않는 바로 그 질문입니다. 시뮬레이션 훈련을 통해 실제로 현실 세계에서 작동하는 로봇을 만들어낼 수 있는가?

시뮬레이션에서 실제(sim2real)로의 전이는 로봇 공학 분야에서 가장 오랫동안 해결되지 않은 문제 중 하나입니다. 핵심 과제는 ‘현실 격차’로, 시뮬레이션 내의 물리 현상, 조명, 재료 질감, 센서 노이즈, 물체 행동과 실제 세계의 동일한 특성 간의 차이를 말합니다. 시뮬레이션에서 95%의 과제 성공률을 보인 로봇이 실제 환경에서는 40%에 그칠 수 있습니다. 이는 시뮬레이션이 광택이 나는 세라믹 타일에서 빛이 반사되는 방식, 부드러운 물체를 잡았을 때 변형되는 방식, 문 경첩이 회전 초기 단계에서 저항을 가하는 방식 등을 정확하게 모델링하지 못했기 때문입니다.

Kairos-HomeWorld는 몇 가지 설계 선택을 통해 이러한 현실 격차를 해소합니다. 4단계에서는 NVIDIA Isaac Sim에서 사용되는 것과 동일한 PhysX-Omni 물리 엔진을 활용하여 모든 물체에 재료 밀도, 마찰 계수, 구조적 지지 관계와 같은 물리적 속성을 할당합니다. 이는 시뮬레이션의 물리적 거동이 로봇 공학 업계 전반에서 표준으로 자리 잡은 물리 모델을 기반으로 한다는 것을 의미합니다. 3단계의 재귀적 정교화 과정은 물체가 공중에 떠 있는 현상, 지오메트리 클리핑, 통로 차단 등 시뮬레이션에서 현실로의 전환(sim2real) 실패를 초래하는 가장 흔한 물리적 비현실성 요인들을 제거함으로써, 로봇이 불가능한 시나리오로 훈련되는 것을 방지합니다.

ACE Robotics는 Kairos-HomeWorld가 자사의 훈련 워크플로우에서 “시뮬레이션에서 현실로의 전환 주기를 상당히 가속화했다”고 보고합니다. 그러나 이는 해당 회사의 보도 자료를 통해 자체적으로 발표한 주장일 뿐,

독립적인 벤치마크를 통해 도출된 결과입니다. 해당 기술 보고서(arXiv:2606.06390)는 레이아웃 다양성 및 3D 디자인 매력도 지표에 대한 정량적 비교를 제시하고 있으나, 아직 특정 가정 내 작업에 대한 종단간(end-to-end) sim2real 전이율은 공개하지 않았습니다.

배경을 살펴보면, 관련 분야 전반에서 2025년과 2026년에 sim2real 전이 측면에서 의미 있는 진전을 이루었다. MIT CSAIL의 real-to-sim-to-real 접근법(2024)은 실제 환경을 스캔하고 해당 특정 환경의 시뮬레이션에서 훈련할 경우 전이율이 획기적으로 향상됨을 입증했다. 취리히 연방공과대학(ETH Zurich)의 PACE 시스템(2025)은 훈련 과정에서 조명, 마찰, 물체 특성을 의도적으로 변화시키는 도메인 무작위화 기법을 사용하여, 로봇이 단일 환경을 암기하기보다는 다양한 변수를 처리하는 법을 학습하도록 함으로써 다리형 로봇에 대한 체계적인 시뮬레이션-실제(sim2real) 전이를 보여주었습니다. Kairos-HomeWorld의 VLM 기반 정교화 및 물리 기반 물체 배치 방식은 이러한 모범 사례와 일치하지만, 해당 분야에서는 여전히 발표된 직접 비교 벤치마크 결과를 기다리고 있다.

솔직한 평가는 이렇습니다: Kairos-HomeWorld는 중국 가정 환경에 맞춰 특별히 보정된 시뮬레이션 환경을 구축하려는 지금까지의 시도 중 가장 신뢰할 만한 것이며, 그 기술적 아키텍처는 탄탄합니다. 진정으로 유용한 가정용 로봇이 수행해야 할 다단계·다실 시퀀스와 같은 복잡한 가정 내 작업에 대해 ‘시뮬레이션에서 현실로(sim2real)’의 격차를 완전히 해소할 수 있을지는 여전히 미해결 문제로 남아 있으며, 이는 오직 실제 현장 배치 데이터를 통해서만 답을 얻을 수 있을 것이다.

이것이 더 넓은 경쟁 구도에 주는 의미

Kairos-HomeWorld는 제품 발표가 아닙니다. 이는 인프라입니다. Daxiao Robotics를 비롯해 이 인프라를 기반으로 개발하는 기업들뿐만 아니라, 오픈소스 데이터셋을 활용하는 모든 연구자나 스타트업은 6개월 전만 해도 존재하지 않았던 기반 위에서 로봇을 훈련시키게 될 것입니다.

대규모 언어 모델 훈련의 초기 단계와의 유사점은 시사하는 바가 큽니다. Common Crawl과 The Pile이 공개 훈련 데이터로 제공되기 시작했을 때

코퍼라(corpora)는 특정 모델의 성공을 보장하지는 않았지만, 모든 모델의 최저 기준을 높여주었습니다. 카이로스-홈월드(Kairos-HomeWorld)는 중국 환경에서의 가정용 로봇 훈련에 대해 비슷한 역할을 합니다. 즉, 최저 기준을 높여주는 것이죠. 그 기준 위에서 누가 최고의 로봇을 만들 것인지는 여전히 미지수입니다.

골드만삭스가 2035년까지 380억 달러 규모에 달할 것으로 추산하는 가정용 서비스 로봇 시장에서, 중국이 가장 큰 단일 잠재 시장을 차지하는 가운데, 중국 가정에서 대규모로 ‘시뮬레이션에서 실제 환경으로의 전이(sim2real transfer)’ 문제를 해결하는 기업은 해외에서 모방하기 어려운 지속적인 경쟁 우위를 확보하게 될 것입니다.

다샤오 로보틱스(Daxiao Robotics)는 아직 그런 기업은 아닙니다. 하지만 그 기업이 필요로 할 인프라를 구축하고 있습니다.

출처:

  1. ACE Robotics / Kairos-HomeWorld 공식 프로젝트 페이지 (2026년 6월)
  2. 아시아 뉴스 네트워크(Asia News Network)를 통한 ACE Robotics 보도자료 “ACE ROBOTICS, Kairos-HomeWorld 오픈소스 공개” (2026년 6월 6일)
  3. arXiv 기술 보고서 2606.06390 HomeWorld: 통합된 평면도-가구 배치 프레임워크 (Li 외, 2026)
  4. MIT CSAIL “정밀 가정용 로봇, ‘실제-시뮬레이션-실제’ 방식으로 학습” (2024년 7월)
  5. 취리히 연방공과대학(ETH Zurich) 로봇 시스템 연구소 PACE: 체계적인 시뮬레이션-실제 환경 간 전이 (2025년 9월)
  6. 골드만 삭스 글로벌 투자 리서치, 휴머노이드 로봇 시장 규모 분석 (2024)

RobotAIGeek, 2026년 6월 16일 보도

다샤오 로보틱스, 수억 규모 자금 조달… ‘카이로스-홈월드’ AI 프레임워크 출시

면책 조항: 모든 편집 콘텐츠는 RobotAIGeek이 공개된 출처를 바탕으로 독자적으로 작성한 것입니다. 인용된 내용은 원 출처에 귀속되며, RobotAIGeek은 이를 별도로 검증하지 않았습니다.

최신 아티클

Avride는 배송 건수가 100만 건을 돌파했다고 밝혔지만, 어디에서 그런 내용을 언급했는지 아무도 지적할 수 없다.

Avride는 배송 건수가 100만 건을 돌파했다고 밝혔지만, 어디에서 그런 내용을 언급했는지 아무도 지적할 수 없다.

martti
martti
2026년 11월 16일
지플라인의 215억 달러 기업 가치는 이 회사가 구하는 생명과는 별개의 문제다

지플라인의 215억 달러 기업 가치는 이 회사가 구하는 생명과는 별개의 문제다

martti
martti
2026년 11월 15일
Figure, NVIDIA, and a Beijing Arm Maker Just Built the Same Robot Brain

Figure, NVIDIA, and a Beijing Arm Maker Just Built the Same Robot Brain

martti
martti
2026년 11월 15일
Komatsu Already Has 1,000 Autonomous Trucks. GXO's 1,000 Robots Are Still a Promise.

Komatsu Already Has 1,000 Autonomous Trucks. GXO's 1,000 Robots Are Still a Promise.

martti
martti
2026년 11월 15일
영국, 아직 존재하지도 않는 로봇 집단에 보험을 들게 했다

영국, 아직 존재하지도 않는 로봇 집단에 보험을 들게 했다

martti
martti
2026년 11월 7일
UBTECH의 휴머노이드 로봇 매출이 1,445% 증가했다. 이 회사의 기어박스 공급업체가 이익을 냈다.

UBTECH의 휴머노이드 로봇 매출이 1,445% 증가했다. 이 회사의 기어박스 공급업체가 이익을 냈다.

martti
martti
2026년 11월 6일
네 번째 로봇 표준이 벤더 종속을 끝내지는 못할 것이다. 그저 그 종속을 다른 곳으로 옮길 뿐이다.

네 번째 로봇 표준이 벤더 종속을 끝내지는 못할 것이다. 그저 그 종속을 다른 곳으로 옮길 뿐이다.

martti
martti
2026년 11월 4일
중국의 ‘딥블루’는 10개의 로봇 생산 라인으로 확장되었지만, 그중 어느 것도 인건비를 충당하지 못했다.

중국의 ‘딥블루’는 10개의 로봇 생산 라인으로 확장되었지만, 그중 어느 것도 인건비를 충당하지 못했다.

martti
martti
2026년 11월 2일
애질리티는 로봇을 판매하며 상장하고 있다. 반면 다른 기업들은 공장을 인수하고 있다.

애질리티는 로봇을 판매하며 상장하고 있다. 반면 다른 기업들은 공장을 인수하고 있다.

martti
martti
2026년 11월 1일
‘피지컬 인텔리전스’의 200억 달러 매각 가격에 외부 입찰자 없어

‘피지컬 인텔리전스’의 200억 달러 매각 가격에 외부 입찰자 없어

martti
martti
2026년 10월 29일
마첸타, ‘로봇은 사용자의 데이터가 필요 없다’는 가설에 베팅하며 4,000만 달러 투자 유치

마첸타, ‘로봇은 사용자의 데이터가 필요 없다’는 가설에 베팅하며 4,000만 달러 투자 유치

martti
martti
2026년 10월 29일
AGIBOT의 로봇들이 기네스 기록을 세웠습니다. 실제 기록은 여전히 1,372입니다.

AGIBOT의 로봇들이 기네스 기록을 세웠습니다. 실제 기록은 여전히 1,372입니다.

martti
martti
2026년 10월 29일