로봇 훈련을 위한 비디오 게임 데이터에 3억 2천만 달러가 쏟아지는 이유
제너럴 인튜이션(General Intuition)은 수십억 시간 분량의 비디오 게임 클립에서 추출한 인간의 행동 데이터를 활용해 물리적 AI 에이전트를 훈련시키기 위해, 기업 가치 23억 달러를 기준으로 3억 2천만 달러를 조달했다. 이러한 색다른 접근 방식은 물리적 데이터 수집의 병목 현상을 우회함으로써, 물리적 AI 개발에는 느린 원격 조작을 통해 수집된 방대한 양의 실세계 데이터가 필요하다는 기존 통념에 도전하고 있다.

로봇공학 분야에서 지배적인 견해는 물리적 AI를 훈련하려면 원격 조작이나 물리적 시뮬레이션을 통해 느리고 비용이 많이 드는 방식으로 수집된 방대한 양의 실제 세계 데이터가 필요하다는 것입니다. 그러나 최근 이루어진 대규모 신규 자금 조달은 이와는 완전히 다른 접근 방식을 시사합니다. 제너럴 인튜이션(General Intuition)은 수십억 시간에 달하는 비디오 게임 클립을 활용해 에이전트 모델을 훈련하기 위해, 기업 가치 23억 달러를 바탕으로 시리즈 A 투자 라운드에서 3억 2천만 달러를 유치했다.
관찰과 행동의 차이
게임 클립 플랫폼 ‘메달(Medal)’에서 분사된 이 스타트업은, 텍스트 기반 모델은 현실을 단순히 묘사할 뿐이며 순수 영상 모델은 의도를 파악하지 못한다고 주장한다. 제너럴 인튜이션은 플레이어가 정확히 어떤 버튼을 언제 눌렀는지 기록한 동작 라벨이 포함된 게임 플레이 영상을 활용함으로써, 기존 방법보다 훨씬 빠르게 AI 모델에 시공간적 추론과 인과관계를 가르칠 수 있다고 주장한다.
이 접근 방식의 중요성은 관찰과 행동의 차이에 있다. AI 모델이 인간이 작업을 수행하는 일반적인 영상을 볼 때, 해당 행동을 재현하는 데 필요한 물리 법칙, 의도, 구체적인 운동 명령을 추론해야 한다. 이는 계산 비용이 많이 들고 오류가 발생하기 쉽다. General Intuition의 데이터셋은 복잡한 물리 기반 환경 내에서 인간의 의도와 그 결과로 나타나는 행동 사이의 명확한 연관성, 즉 누락된 연결 고리를 제공합니다.
물리적 데이터의 병목 현상 우회
이 회사는 처음에 ‘포트나이트(Fortnite)’의 가상 세계를 탐색하도록 훈련된 단일 모델을 물리적 4족 보행 로봇으로 이전하고, 단 8분 분량의 물리적 데이터만을 사용하여 실제 환경에서의 탐색을 위해 미세 조정할 수 있음을 입증했습니다. 코슬라 벤처스(Khosla Ventures)가 주도하고 제너럴 카탈리스트(General Catalyst), 제프 베조스(Jeff Bezos), 에릭 슈미트(Eric Schmidt), 그리고 구글(Google)의 연구원들이 참여한 이번 투자 규모는
딥마인드(DeepMind)와 MIT는 이러한 데이터 전략의 잠재력을 강조하고 있습니다.제너럴 인튜이션(General Intuition)의 전략은 현재 신체 기반 AI 산업을 제약하고 있는 물리적 데이터 수집의 병목 현상을 우회합니다. 이 회사는 비디오 게임에 이미 기록된 수십억 시간에 달하는 인간의 문제 해결 과정을 활용하여, 물리학, 공간, 결과에 대한 일반화된 직관을 지닌 기초적인 세계 모델을 구축하고자 시도하고 있습니다.
23억 달러라는 기업 가치는 이색적인 데이터 전략에 대한 거대한 베팅입니다. 게임 행동에서 인간의 직관을 추출할 수 있다는 그들의 주장이 옳다면, 그들은 AI 업계에서 가장 가치 있는 독점 데이터셋 중 하나를 보유하게 될 것입니다. 이러한 접근 방식은 물리적 AI 경쟁에서 중요한 현실을 부각시킵니다. 즉, 승자는 반드시 최고의 로봇 하드웨어를 보유한 기업이 아니라, 최저 비용으로 모델에 최고 품질의 행동 데이터를 공급하는 방법을 찾아낸 기업이 될 것이라는 점입니다. 가상 행동 데이터로 물리적 배포를 위한 모델을 성공적으로 사전 훈련할 수 있다면, 지능형 로봇을 개발하는 데 필요한 진입 장벽은 급격히 낮아질 것입니다.
주요 출처:
1. TechCrunch — General Intuition, 비디오 게임을 통해 세계 모델을 구축하기 위해 3억 2천만 달러 투자 유치 (2026년 6월)
2. General Intuition 보도자료 — 시리즈 A 투자 유치 발표 (2026년 6월)
면책 조항: 모든 편집 콘텐츠는 RobotAIGeek이 공개된 중국어 및 영어 자료를 바탕으로 독자적으로 작성한 것입니다. 인용된 내용은 원 출처에 귀속되며, RobotAIGeek에 의해 별도로 검증되지 않았습니다.












