Skild AI의 로봇 모델, 단 하나의 영상만으로 새로운 작업을 학습한다

2026년 9월 10일, 펜실베이니아주 피츠버그. Skild AI는 자사의 새로운 S1 로봇 파운데이션 모델이 단 한 번의 인간 시연 영상을 시청한 후, 익숙하지 않은 다단계 작업을 단계당 약 66%의 성공률로 수행한다고 밝혔다. 이는 기존 방식으로 훈련된 유사 시스템의 성공률인 9%와 대비되는 수치다. NVIDIA의 물리적 AI 스택을 활용하는 이 회사는, 이제 시연 영상 한 편이 수작업으로 수집한 예시 약 380개 분량의 훈련 효과를 갖기 때문에, 로봇에게 작업을 보여주는 단계부터 로봇이 해당 작업을 자율적으로 수행할 수 있게 되는 데까지 걸리는 시간을 11분으로 단축했다고 밝혔다.

Skild AI는 2023년 카네기멜론 대학교 전직 교수인 디팍 파탁(Deepak Pathak, CEO)과 아비나브 굽타(Abhinav Gupta, 사장)가 설립한 피츠버그 기반 로봇 공학 스타트업이다. 사내에서 ‘Skild Brain’으로 불리는 이 회사의 제품은, 산업 자동화 분야를 주도해 온 좁은 범위의 단일 목적 모델과는 달리, 다양한 로봇 본체와 작업을 제어하기 위한 단일 파운데이션 모델입니다. 이 회사는 2024년 중반 이후 20억 달러 이상을 조달했는데, 여기에는 소프트뱅크가 주도하고 140억 달러의 기업 가치로 마감된 14억 달러 규모의 투자 라운드가 포함되며, 엔비디아의 벤처 투자 부문, 아마존 창업자 제프 베조스, 삼성, LG, 슈나이더 일렉트릭, 세일즈포스 벤처스 등이 참여했다.

단 하나의 영상으로 로봇을 실제로 구매하는 방법

목요일 공개된 내용의 핵심 주장은 ‘샘플 효율성’에 관한 것으로, 이는 시스템이 필요로 하는 훈련 데이터의 양과 실제 성능 사이의 비율을 의미합니다. 오늘날 대부분의 로봇 학습 시스템은 여전히 방대한 원격 조작 시연 라이브러리에 의존하고 있습니다. 이는 인간 조작자가 로봇 팔을 직접 조종하여 특정 작업을 수백, 수천 번 수행한 기록을 통해, 해당 동작이 신뢰할 수 있게 일반화될 때까지 학습하는 방식입니다. 스킬드(Skild)의 주장은 S1이 단 하나의 영상을 학습하여 작업이 어떻게 진행되는지 관찰한 뒤, 모델을 재훈련하거나 가중치를 업데이트하지 않고도 실제 로봇에서 이를 재현할 수 있다는 것이다. 이 회사는 이를 ‘문맥 내 학습(in-context learning)’이라고 부르며, 개념적으로는

대규모 언어 모델은 전체 재훈련 과정을 거치지 않고도 프롬프트에 포함된 몇 가지 예시만으로도 새로운 지시를 따를 수 있습니다.

NVIDIA는 이번 협력이 로봇 공학 파이프라인의 네 가지 단계에 걸쳐 이루어진다고 밝혔습니다. 즉, Cosmos 월드 모델을 통한 합성 데이터 생성, Isaac Lab, Isaac Sim 및 Newton 물리 엔진을 통한 시뮬레이션 및 훈련, 그리고 TensorRT와 Nsight 프로파일링 도구를 통한 배포 최적화입니다. 로봇 학습 공급업체를 평가하는 조달 팀에게 이 4단계 주장은 매우 중요합니다. 이는 Skild가 단순히 빌린 컴퓨팅 자원을 이용해 연구용 모델을 실행하는 것이 아니라는 점을 시사하기 때문입니다. Skild는 합성 데이터와 실제 시연 데이터가 모두 동일한 모델에 입력되는 생산 파이프라인을 구축하고 있으며, 이것이 바로 실험실 결과와 공장 현장 관리자가 실제로 주문할 수 있는 시스템의 차이입니다.

시연된 작업은 화분에 식물 심기, 팬케이크 만들기부터 커피 추출, 그리고 폭스콘(Foxconn) 시설의 NVIDIA Blackwell 기반 시스템에서 실행된 양팔 조립 순서에 이르기까지 다양했습니다. 이 과정에서 로봇은 버스바와 리미트 블록을 설치하고, 나사 16개를 조이며, 작업 도중 발생한 물리적 방해 요인에 적응했습니다. 이러한 각 작업은 최대 10분까지 소요되는데, 이는 로봇 학습 시연의 기준으로는 긴 편이다. 일반적으로 로봇 시연에서는 단일 픽 앤 플레이스 동작이 벤치마크의 전부인 경우가 많기 때문이다. 이러한 길이의 다단계 작업은 지난 2년 동안 대부분의 기초 모델 로봇 공학 발표를 정의해 온 짧은 시연보다 창고나 전자제품 조립 라인에서 실제로 필요한 작업을 더 가깝게 반영합니다.

샘플 효율 수치 뒤에 숨은 경제적 의미

샘플 효율성은 구매자에게 단순한 학문적 호기심이 아닙니다. 원격 조종 시연 데이터를 수집하는 것은 학습 기반 로봇을 도입할 때 발생하는 가장 큰 숨겨진 비용 중 하나로, 훈련된 운영자, 보정된 로봇 셀, 그리고 고객이 자동화를 원하는 모든 새로운 작업 변형에 대해 수 시간에 걸친 녹화 세션이 필요합니다. 만약 Skild의 380대 1 비율이 선별된 시연 환경 밖에서도 유지된다면, 이는 단순히 개발 속도를 높이는 데 그치지 않을 것입니다. 그것은

어떤 업무를 자동화하는 것이 경제적으로 타당한지 판단하는 기준 자체가 바뀌게 됩니다. 왜냐하면, 배포 계약을 체결하기 위해 수주간의 데이터 수집이 필요했을 업무도, 이제 단 하루 오후의 촬영만으로 파악할 수 있게 되었기 때문입니다.

이러한 경제적 논리는 스킬드(Skild)의 매출 수치가 단순한 자금 조달 소식이 아닌 구매 결정에 직접적인 영향을 미치는 지점이기도 하다. 이 회사는 출시 약 10개월 만에 연간 매출 런레이트 1억 달러를 달성했으며, 제조, 물류, 검사, 보안, 식품 조리 분야에 걸쳐 60개 이상의 도입 파트너십을 맺었다고 밝혔다. 이 단계의 매출 달성률은 구매자에게 해당 모델이 현재 유료 배포를 창출하고 있음을 보여줍니다. 이는 벤처 캐피털 자금으로 운영되는 시범 프로그램에 그치는 것이 아니라는 점을 의미하며, 바로 이 차이가 다년간의 통합 투자가 필요한 파운데이션 모델 공급업체와 아직 첫 생산 계약을 입증 중인 업체를 구분 짓는 기준이 됩니다.

여전히 독립적인 검증이 필요한 주장

공개된 성공률 수치는 Skild와 NVIDIA가 자체적으로 제공한 자료에서 나온 것이지, 독립적으로 재현된 벤치마크 결과는 아닙니다. 또한 두 회사 모두 제3자가 66% 대 9%라는 비교 결과를 재현할 수 있을 만큼 상세하게 평가 프로토콜을 공개하지 않았습니다. 제품 발표를 위해 각색된 데모와 실제 생산 현장의 다양한 조명, 주변 장애물, 물체 변동 조건 하에서 수행되는 작업 간의 격차는 학습 기반 로봇 공학에서 가장 흔한 실패 요인이며, 이는 11분짜리 시연 영상에는 나타나지 않는 바로 그 세부 사항입니다. 자사 운영을 위해 S1을 평가하는 구매자들은, 공개된 수치를 바탕으로 배포 일정을 확정하기 전에, 스킬드(Skild) 측에 회사가 연출한 벤치마크 작업이 아닌 자사 시설의 조건에서 측정된 작업 성공률을 요청해야 한다.

범위에 대한 의문도 있습니다. 시연된 작업들, 즉 화분 심기, 팬케이크 조립, 폭스콘(Foxconn) 배선 하네스 조립 등은 개별적으로는 인상적이지만, 이는 매우 좁은 영역에 국한된

창고나 제조 사업자가 전체 생산 라인에서 자동화해야 할 요소들. 단 한 번의 시연만으로도 빠르게 학습하는 기초 모델은 여전히 이를 구동하는 로봇 본체의 물리적 한계에 제약을 받으며, Skild는 목요일 공개 자료에 제시된 시스템 외에 S1이 어떤 특정 암, 그리퍼 또는 이동 플랫폼에 대해 검증되었는지는 밝히지 않았다. 유능한 모델과 실제 도입 가능한 시스템 사이의 이러한 차이가 바로 대부분의 로봇 구매 결정이 주춤하는 지점이며, 목요일에 발표된 수치들은 완성된 제품 사양이라기보다는 시범 운영을 제안하는 신호로 보는 것이 가장 적절하다.

기초 모델 주장이 난무하는 경쟁 구도

Skild만이 범용 로봇 두뇌를 개발하기 위해 경쟁하는 유일한 기업은 아닙니다. 비전-언어-행동 모델인 ‘Pi’ 제품군을 개발한 샌프란시스코 기반 스타트업 Physical Intelligence는 창고 및 가정 내 조작 작업에 대해 유사한 샘플 효율성을 주장해 왔습니다. 피겨 AI(Figure AI)는 타사 파운데이션 모델의 라이선스를 취득하는 대신, 자사의 휴머노이드 하드웨어에 자체 개발한 헬릭스(Helix) 모델을 결합했으며, 몸과 뇌를 모두 보유함으로써 더 긴밀한 통합을 이룰 수 있을 것이라고 내다보고 있다. 구글 딥마인드(Google DeepMind)는 단일 기업의 시연 파이프라인이 아닌 수십 개의 로봇 연구소에서 수집된 데이터를 바탕으로 훈련된 RT-X 라인을 통해 차별화된 아키텍처를 제시했다. 문서상으로는 Skild의 접근 방식이 차별화되는 점은, S1이 로봇별 재훈련 없이 다양한 로봇 구현체에서 작동한다는 주장입니다. 이는 단일 하드웨어 플랫폼에 최적화된 모델보다 해결하기 더 어렵고 상업적 가치가 더 높은 문제이지만, 고객의 실제 혼합된 로봇 군(팔, 이동식 베이스 및 그리퍼로 구성된 실제 혼합 장비군에서 입증하기보다 보도 자료에 명시하기가 더 쉬운 주장입니다.

공급업체를 비교하는 구매자에게 있어 실질적인 문제는 어느 회사가 가장 인상적인 시연 동영상을 공개하느냐가 아니라, 상업적 계약을 통해 구매자 자신의 장비와 작업 조합을 기준으로 측정된 성공률을 보장해 줄 업체가 어디냐는 점입니다. 그 어느 업체도

Skild를 포함해 현재 이 시장을 놓고 경쟁 중인 파운데이션 모델 공급업체들은 이러한 종류의 보장을 공개적으로 내세우고 있는데, 이로 인해 조달 팀 입장에서는 해당 분야 전체를 단순한 공급업체 선정 단계가 아닌 평가 단계로 머물게 하고 있다.

NVIDIA 파트너십의 향후 전망

Skild와 NVIDIA는 올해 말 베를린에서 열리는 NVIDIA의 GTC 컨퍼런스에서 이번 협업의 추가 결과를 발표할 예정이며, 이 자리에서 양사는 더 많은 작업 범주를 공개할 것으로 예상됩니다. 또한, 해당 플랫폼을 평가 중인 구매 담당자들은 선별된 데모 세트 외에도 독립적으로 검증 가능한 성능 데이터에 주목해야 할 것입니다. 지금부터 그때까지 주목해야 할 더 중요한 신호는 스킬드의 60여 개 배포 파트너사가 자체 운영 결과를 공개하기 시작하는지 여부입니다. 기초 모델의 진정한 시험대는 이를 소개하는 데모 영상이 아니라, 1년 후에도 여전히 해당 모델을 운영 중인 유료 고객 군이기 때문입니다.

한 편의 11분짜리 영상과, 과거에는 수천 번의 반복 녹화가 필요했던 작업에서 66%의 성공률을 기록한 것은 로봇 학습 시스템이 새로운 작업을 얼마나 빠르게 습득할 수 있는지에 대한 진정한 전환점이며, 또한 시연과 실제 생산 현장의 격차가 스킬드가 주장하는 대로 빠르게 좁혀진다면, 어떤 작업을 자동화할 가치가 있는지에 대한 판단 기준을 바꾸는 바로 그런 능력입니다.

주목해야 할 더 중요한 수치는 이번 주 성공률 수치가 아니라, 1년 후 Skild의 60여 개 도입 파트너사들 사이에서 나타날 이탈률입니다: 시연의 신기함이 사라지고, 모델이 언론 발표용으로 꾸며진 폭스콘(Foxconn) 쇼케이스가 아닌 생산 라인의 정상적인 변동 상황에 맞춰 지속적으로 성능을 발휘해야 할 때, 얼마나 많은 파트너가 시범 운영을 갱신 및 확장된 계약으로 전환할 것인가 하는 점입니다.

헤더 이미지 출처: Skild AI.

이 분석은 S1 모델 출시와 관련하여 Skild AI와 NVIDIA가 공개한 성명 및 기술 자료를 바탕으로 작성되었습니다. 본 내용은 일반적인 정보 제공을 목적으로 하며, 투자 권유를 구성하지 않습니다.

재무적 또는 법적 조언.