본문으로 건너뛰기
Wired AI조회 2회

로봇의 손재주를 해결하려는 스타트업 Eka의 도전

MIT 교수와 구글 딥마인드 출신 연구원이 설립한 Eka는 강화학습과 시뮬레이션을 통해 로봇에게 인간 수준의 정교한 손재주를 학습시키고 있다.

섹션별 상세

로봇 공학에서 인간의 무의식적인 신체 활동을 기계에 구현하는 것은 고차원적 추론보다 훨씬 어려운 과제로 여겨져 왔다. Eka는 이를 해결하기 위해 로봇이 시뮬레이션 환경에서 수천 시간 동안 스스로 움직임을 연습하고 최적의 전략을 발굴하는 방식을 사용한다. 이는 구글 딥마인드의 AlphaZero가 체스 전략을 스스로 터득한 것과 유사한 원리로 작동한다.
Eka의 로봇 팔이 다양한 물체가 놓인 테이블에서 작업하는 모습
Photo로봇이 일상적인 물건(헤어브러시, 장갑 등)을 인식하고 정교하게 집어 올리는 능력을 보여줍니다. 이는 기사에서 강조하는 로봇의 범용적 손재주와 물리적 지능을 시각적으로 증명합니다.
근거
  • Eka의 로봇은 기존 시장의 어떤 로봇 팔도 수행하지 못하는 전구 끼우기 동작을 자연스럽게 수행한다. — 아티클 도입부 및 Eka의 테스트 시설 묘사 섹션
과거 OpenAI의 Dactyl 프로젝트는 시뮬레이션과 현실의 차이인 sim-to-real 간극 때문에 한계에 부딪혔으나 Eka는 이를 정교한 물리 모델로 극복했다. Eka의 vision-force-action 모델은 질량, 관성 등 물리 법칙이 포함된 시뮬레이션에서 시각 정보와 힘의 상호작용을 동시에 학습한다. 이를 통해 로봇은 물체를 놓치려 할 때 본능적으로 복구하거나 표면을 따라 손가락을 미끄러뜨리는 등 인간과 유사한 물리적 지능을 보여준다.
근거
  • Eka는 질량과 관성 등 물리 원칙이 통합된 시뮬레이션을 통해 vision-force-action 모델을 학습시킨다. — How they train their robots 섹션
Eka는 시각 정보뿐만 아니라 촉각을 감지할 수 있는 커스텀 그리퍼를 개발하여 로봇의 정교함을 높였다. 로봇은 물체의 무게와 관성을 감지하며, 치킨 너겟과 같이 모양이 제각각인 식재료도 빠르고 부드럽게 처리할 수 있다. 이러한 데이터 기반의 자율 학습 방식은 인간의 시연 데이터를 모방하는 방식보다 더 일반화된 물리적 지능을 생성할 가능성을 제시한다.

기술

  • Reinforcement Learning
  • Vision-Force-Action Model
  • Neural Networks
  • Simulators

활용 사례

  • 식료품 포장 및 분류 (치킨 너겟 등)
  • 정밀 부품 조립 (아이폰 제조 등)
  • 가정 및 서비스 환경에서의 물체 조작

언급된 리소스

AI 분석 전체 내용 보기

AI 요약 · 북마크 · 개인 피드 설정 — 무료

출처 · 인용 안내

원문 발행 2026. 04. 29.수집 2026. 04. 29.출처 타입 RSS

인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.