리얼 월드, K-Physical AI 얼라이언스를 주도하며 DexBench 발전 이끌어

한국의 물리 기반 AI 기업 리얼 월드(Real World)는 서울에서 스타트업인 PhysicsSim Lab, Space AI, Endright와 ‘K-Physical AI 얼라이언스’를 결성하기 위한 양해각서(MOU)를 체결했다고 밝혔다. 이 연합은 NVIDIA와 공동 개발한 ‘DexBench’ 벤치마크를 기반으로, 로봇의 손 민첩성과 시뮬레이션 분야에 대한 글로벌 산업 표준을 수립하는 것을 목표로 한다.

이 연합은 18가지 기본 작업과 80가지 사례를 통해 휴머노이드 손의 정밀도를 측정하는 ‘덱스벤치(DexBench)’를 확장해 나갈 예정이다. 기업 파트너로는 롯데, SK텔레콤, CJ물류, 효성, HL만도, 후지, ANA, 미쓰이 화학 등이 참여한다. 리얼 월드는 자사의 RLDX-1 모델이 8개 벤치마크 전반에 걸쳐 최첨단 성과를 기록했다고 밝혔다.

서울에 본사를 둔 리얼 월드(Real World)는 휴머노이드 및 산업용 로봇을 위한 물리적 AI에 주력하며, 정교한 조작과 시뮬레이션-실제 연동 훈련을 핵심 강점으로 삼고 있다. 이 회사의 시장 틈새는 소매, 물류, 항공, 자동차, 화학 분야의 정밀 취급을 목표로 한다. 이 회사는 벤치마크와 시뮬레이션 파이프라인을 결합한 표준화 추진을 주도함으로써, 손재주 성능을 고객과 시스템 통합업체가 신뢰할 수 있는 공통 지표로 정립하는 것을 목표로 하고 있다.

한국의 물리적 AI 연합, 손재주를 표준으로 정립하고자 한다

이 연합은 로봇 공학 분야에서 점점 더 커지고 있는 문제를 해결하기 위해 출범했다. 기업들은 휴머노이드와 정교한 조작이 가능한 팔이 실제 작업을 수행하기를 원하지만, 각 연구실마다 서로 다른 작업과 측정 기준을 사용하고 있다. ‘덱스벤치(DexBench)’는 로봇 손이 정밀한 운동 작업을 반복적으로 수행할 수 있는지 측정할 수 있는 공통된 잣대를 제공한다. 이 벤치마크는 복잡한 활동을 18개의 기본 작업과 80가지 사례로 세분화합니다. 여기에는 잡기, 돌리기, 삽입하기, 나사 끼우기, 껍질 벗기기, 접기, 뚜껑 비틀기, 재밀봉하기와 같은 일상적인 산업 작업이 포함됩니다. 이 접근 방식은 전체 생산 라인이 승인되기 전에 각 단계가 허용 오차 기준에 따라 테스트되는 공장 내 품질 관리 체계를 반영합니다.

파트너들의 역할은 명확합니다. PhysicsSim Lab은 창고와 소매점의 디지털 트윈을 구축하여, DexBench 과제를 실제 규모와 일치하는 시설에서 테스트할 수 있도록 합니다.

그리고 상업 환경의 복잡성. Space AI는 과일이나 고무 부품과 같은 부드럽고 변형 가능한 물체에 초점을 맞추고 있으며, 이는 순수한 강체 물리학이 적용되지 않는 영역입니다. Endright는 TRINIX로 알려진 시뮬레이션 자산 라이브러리를 확장하여 조명, 텍스처, 물체 형상 및 고정 장치의 다양성을 산업 규모로 표현하고 무작위화할 수 있도록 합니다. Real World는 벤치마크 사양을 조정하며, 8개의 외부 테스트 스위트 전반에 걸쳐 기준을 제시했다고 밝힌 RLDX-1 모델을 제공합니다.

DexBench 사양은 산업 전반에 걸쳐 재현 가능한 손 작업을 목표로 합니다.

벤치마크는 실제 작업과 일치할 때만 의미가 있습니다. DexBench는 대부분의 로봇 프로젝트가 정체되는 원인이 되는 업무 현장 과제를 반영하도록 설계되었습니다. 식료품점 시나리오에서 로봇은 토마토를 멍들지 않게 집어 올리고, 손상된 포장을 식별하며, 다양한 포장 방식의 상품을 진열대에 보충해야 합니다. 항공 지상 운영에서는 로봇이 패널을 열고, 래치를 점검한 뒤 나사를 망가뜨리지 않고 다시 고정해야 할 수도 있습니다. 자동차 부품 공장에서는 로봇이 좁은 통로를 통해 와이어 하네스를 통과시키고, 적절한 힘으로 클립을 잠가야 합니다. DexBench는 이러한 작업들을 각각 ‘집기’, ‘회전’, ‘미끄러뜨리기’, ‘정렬’, ‘힘 제어’와 같은 기본 동작으로 분해한 다음, 시간 및 품질 기준치를 바탕으로 합격 또는 불합격 조건을 정의합니다.

이 표준은 또한 손이 하나의 시스템이라는 점을 인정합니다. 센서, 제어 루프, 촉각 피드백, 그리퍼 재질 등이 모두 성능에 영향을 미칩니다. 이 연합은 젤 팁이 달린 소프트 그리퍼부터 인간형 손에 이르기까지 다양한 엔드 이펙터와, 상용 미들웨어는 물론 독점 컨트롤러를 포함한 제어 스택 전반에서 실행 가능한 작업 모음을 목표로 하고 있습니다. 이러한 설계 선택은 제대로 실행될 경우 벤더 종속성을 줄이고, 구매자가 인증을 잃지 않으면서도 서로 다른 공급업체의 구성 요소를 자유롭게 조합할 수 있는 확신을 심어줍니다.

간단한 비유를 들어 설명해 보겠습니다. DexBench를 로봇 손의 운전면허 시험이라고 생각해 보십시오. 단순히 반짝이는 차만 타고 나타나는 것으로는 부족합니다. 반드시

감시 하에 평행 주차, 차선 합류, 3점 회전을 수행합니다. 이러한 과제를 통과하면 타인에게 자신의 역량을 입증하는 면허를 취득하게 됩니다. DexBench는 산업용 손재주에 있어 바로 그 면허가 되고자 합니다.

시뮬레이션 자산과 디지털 트윈이 훈련 파이프라인을 확장합니다

숙련도는 데이터의 폭과 연습 시간에 달려 있습니다. 시뮬레이션은 실제 시설에서 매일 다룰 수 없는 부분을 보완해 줍니다. Endright는 포장, 용기, 고정 장치, 매장 레이아웃의 다양한 변형을 반영한 수천 개의 고충실도 3D 자산을 통해 TRINIX를 확장할 계획입니다. PhysicsSim Lab은 이러한 자산을 재고 변동, 인파, 계절별 진열까지 완벽하게 반영된 창고 및 편의점의 동적 디지털 트윈으로 매핑할 것입니다. Space AI는 비선형적 거동과 접촉 불확실성으로 인해 시뮬레이션이 특히 어려운 변형 가능한 재료에 대한 물리 모델과 데이터 세트를 제공할 것입니다.

이 협력의 핵심은 다양한 합성 데이터를 통해 더 잘 일반화되는 정책을 학습시킬 수 있다는 점에 있습니다. NVIDIA는 이 프로젝트의 핵심 파트너로서, DexBench 절차를 Isaac Sim, RTX 가속 렌더링, 그리고 대규모로 제어 전략을 생성하고 검증할 수 있는 강화 학습 툴체인과 연계할 예정입니다. 만약 이 연합이 DexBench 과제를 재현 가능한 시뮬레이션 스택에 통합한다면, 아시아, 유럽, 북미 전역의 연구실들은 공통된 목표를 향해 훈련을 진행하고 직접 비교 가능한 결과를 발표할 수 있게 될 것입니다.

주목할 만한 회의적인 시각도 있습니다. 시뮬레이션 환경이 지나치게 깨끗할 경우, 시뮬레이션을 통한 숙달도가 오해를 불러일으킬 수 있습니다. 습도, 먼지, 그리퍼 패드의 마모, 그리고 약간 뒤틀린 부품 등은 연구실 영상에서는 해결된 것처럼 보이는 작업도 실패로 이끌 수 있습니다. 이 연합은 시뮬레이션에서의 DexBench 점수가 현장에서 가동 시간과 처리량으로 이어진다는 사실을 입증해야 할 것입니다. 가상 환경에 대한 과적합을 조장하는 벤치마크는 신뢰성을 훼손할 수 있습니다. 바로 이 때문에 CJ 로지스틱스나 ANA와 같은 운영사의 참여가 중요한 것입니다. 이들의 시설은 복잡한 데이터, 극한 사례, 그리고 ‘인간 개입(human-in-the-loop)’ 제약 조건을 제공함으로써

표준.

기업 파트너들은 이 프로젝트에 실질적인 운영 역량과 규모를 더합니다

이 연합에 참여한 대기업들은 단순한 허울뿐인 참여가 아닙니다. 롯데는 재고 보충, 반품 처리, 창고 내 작업이 노동 시간의 대부분을 차지하는 소매 및 전자상거래 분야를 아우릅니다. SK텔레콤은 저지연 제어 및 차량 함대 모니터링을 처리할 수 있는 엣지 연결성과 5G 서비스를 제공합니다. CJ로지스틱스는 끝없는 피킹 및 포장 작업이 이루어지는 물류 센터와 라스트 마일 허브를 보유하고 있습니다. 효성과 미쓰이 화학은 그리퍼용 폴리머부터 마찰 및 감지 성능에 영향을 미치는 포장 필름에 이르기까지, 이 연합에 재료 과학 분야의 전문성을 연결해 줍니다. HL 만도는 1차 자동차 부품 공급업체로서 공장에서 정밀 조립 과정을 검증할 수 있습니다. 후지(Fuji)는 생산 전문 지식과 공작 기계를 보유하고 있습니다. ANA는 엄격한 안전 규범 하에서 지상 취급 및 정비 워크플로우를 테스트할 수 있습니다.

DexBench가 이러한 파트너들과의 시범 프로젝트에 정착한다면, 이 표준은 실질적인 영향력을 갖게 될 것입니다. 공급업체들은 수주를 위해 합격 점수를 입증해야 할 것이며, 시스템 통합업체들은 자사의 기술 스택을 알려진 기준에 맞춰 조정할 수 있게 됩니다. 보험사와 규제 당국은 안전성과 신뢰성을 평가할 때 독립적인 지표를 참고할 수 있게 됩니다. 이것이 바로 벤치마크가 시장 진입의 열쇠로 변모하는 방식입니다.

NVIDIA와의 제휴는 글로벌 시장 진출을 위한 추진력을 시사합니다

물리 기반 AI는 메카트로닉스 사업인 동시에 GPU 사업이기도 합니다. DexBench 개발을 NVIDIA와 연계함으로써, 이번 제휴는 지역적 도입을 넘어선 야망을 시사합니다. Isaac 도구는 이미 많은 연구실에서 훈련 및 검증 과정을 주도하고 있습니다. 만약 DexBench가 이러한 도구에서 핵심적인 위치를 차지하게 된다면, 이 벤치마크는 전 세계적으로 사용되는 시뮬레이션 환경, 강화 학습 커리큘럼, 데이터셋 생성기를 통해 널리 확산될 수 있습니다.

이러한 협력은 하드웨어 측면에서도 중요합니다. 많은 휴머노이드 및 이동형 조작기 프로젝트가 에지에서 NVIDIA Jetson을 실행합니다. 프로파일링과 하드웨어 인 더 루프(HIL) 테스트를 통합한 벤치마크는 특정 스택이 다양한 컴퓨팅 예산 하에서 어떻게 성능을 발휘하는지 고객에게 알려줄 수 있습니다. 이는

조달 결정을 더욱 정교하게 하고, 연구실에서 생산 현장으로의 전환을 가속화합니다.

벤치마크 인플레이션과 실제 환경 간의 격차에 대한 신중한 관점

로봇 공학 분야는 벤치마크 과대평가라는 역사를 가지고 있습니다. 각 연구실마다 새로운 테스트 스위트가 쏟아져 나오고, 현장에서는 호환되지 않는 다양한 평가 지표로 분열되고 있습니다. 거버넌스가 뒷받침되지 않으면 표준은 마케팅 도구로 전락할 수 있습니다. DexBench는 당면한 두 가지 시험대에 오르게 될 것입니다. 첫 번째는 작업 정의와 결과 감사의 투명성입니다. 두 번째는 극히 일부 사례만 통과하는 선별된 데모에 대한 저항입니다.

이번 연합의 구성은 도움이 될 것입니다. 운영사들은 서비스 수준 계약(SLA) 및 가동 중단 벌금과 연계된 과제를 추진할 것입니다. ANA와 후지(Fuji)와 같은 일본 파트너들은 지속적인 개선과 통계적 공정 관리(SPC) 문화를 가져옵니다. HL 만도와 CJ 로지스틱스와 같은 한국 파트너들은 백만 분의 일(ppm) 단위의 불량률과 처리량 보장을 최우선으로 삼는다. 이러한 압박은 덱스벤치가 실제 생산 현장의 관련성에 집중하도록 할 것이다. 이러한 추진력에도 불구하고, 이 그룹은 과대 광고를 억제하기 위해 제3자 검토 기관과 공개 순위표가 필요할 것이다.

표준화에 따라 휴머노이드 공급망이 변화할 수 있다

손재주가 측정 가능하고 비교 가능해지면 공급망도 이에 맞춰 조정될 것입니다. 엔드 이펙터 제조사들은 DexBench 과제에 최적화된 손가락 끝, 표면 소재, 촉각 센서를 설계할 것입니다. 소재 공급업체들은 벤치마크 허용 오차에 부합하는 정의된 마찰 계수와 마모율을 가진 그리퍼 패드를 제공할 수 있을 것입니다. 하모닉 드라이브부터 벨트 액추에이터에 이르는 모션 부품 공급업체들은 역구동성, 강성, 제어 대역폭을 검증하기 위해 DexBench 시나리오 하에서의 성능을 공개할 수 있습니다.

한국과 일본은 이러한 부품 분야에서 탄탄한 기반을 갖추고 있다. HL 만도의 구동 시스템과 서보 제어 노하우는 이미 자동차 분야에 적용되어 있다. 하모닉 드라이브 시스템즈(Harmonic Drive Systems)와 나브테스코(Nabtesco)와 같은 일본 기업들은 정밀 감속기 시장을 주도하고 있습니다. 미쓰이 화학(Mitsui Chemicals)과 효성(Hyosung)은 그리퍼 및 유연한 관절에 사용되는 엘라스토머와 엔지니어링 플라스틱을 공급할 수 있습니다. 벤치마크를 통해

이러한 기술을 바탕으로, 공급업체들은 시스템 통합업체와 공동 설계하여 목표 점수를 달성할 수 있습니다. 이러한 협력을 통해 반복 주기를 단축하고 시범 운영의 초기 수율(first pass yield)을 향상시킬 수 있습니다.

여기에 또 다른 공급망 효과가 있습니다. 표준화된 정밀성 덕분에 고객은 브랜드가 아닌 기능 자체를 구매할 수 있게 되었습니다. 시스템 통합업체는 조립된 스택이 DexBench 통과율과 사이클 시간을 충족하기만 한다면, 한 공급업체에서 손을, 다른 공급업체에서 촉각 어레이를, 또 다른 공급업체에서 컨트롤러를 각각 사양에 맞춰 선정할 수 있습니다. 이러한 모듈성은 구매자의 위험을 낮추고, 폐쇄형 생태계에 의존하던 공급업체들을 압박합니다. 가장 화려한 홍보 영상을 가진 기업이 아니라, 최고의 단위 경제성과 신뢰성을 갖춘 기업이 승자가 됩니다.

면책 조항: 본 분석은 정보 제공 목적으로만 제공되며, 투자, 법률 또는 조달에 대한 조언을 구성하지 않습니다. RobotAIGeek은 특정 공급업체를 지지하지 않으며, 초기 단계 기술의 성능을 보장하지 않습니다.