챕터별 상세
00:08
티셔츠 접기 프로젝트와 로버스트니스
양팔 로봇 OpenArm을 활용한 티셔츠 접기 태스크의 전체 레시피를 공개했다. 옷의 종류, 접힌 형태, 책상 높이 등 다양한 변수를 변경하며 테스트한 결과 높은 로버스트니스를 확보했다. 아이디어 구상부터 데이터 수집, 모델 학습까지 스타트업 방식의 프로세스를 거쳐 약 5개월 만에 프로젝트를 완성했다. 현재는 리얼타임 청킹 등 기술적 디테일을 보완하며 추가 개선 작업을 진행 중이다.
01:47
촉각 센서와 햅틱 피드백 연구
정교한 물체 조작을 위해 홀 센서를 이용한 촉각 센서와 햅틱 피드백 장치를 개발하고 있다. 홀 센서는 자기장을 감지하여 미세한 변형을 힘의 벡터로 변환하며, 이를 통해 조종자가 물체를 잡을 때의 힘을 직접 느낄 수 있게 한다. 기존 서보 모터 내부 토크 감지 방식의 한계를 극복하기 위해 외부 센서 설계를 도입했다. 이 촉각 센서의 제작 방식과 디자인은 조만간 오픈소스로 공개될 예정이다.
03:56
Unitree G1 지원과 휴머노이드 확장
LeRobot 프레임워크의 범용성을 테스트하기 위해 저가형 휴머노이드인 Unitree G1 지원을 추가했다. 단순한 매니퓰레이션(조작)을 넘어 로코모션(보행)까지 라이브러리 영역을 확장하려는 시도이다. Unitree G1은 접근성이 좋아 많은 연구실에서 이미 사용 중이므로 커뮤니티 확산에 유리하다. 2족 보행 로봇을 위한 오픈소스 하드웨어 프로젝트도 병행하며 실제 세계의 로봇 플랫폼으로 진화하고 있다.
05:11
VLA 모델과 플랫폼 전략
커뮤니티 주도의 smolVLA 모델을 개발한 데 이어 최신 VLA 연구 결과들을 지속적으로 라이브러리에 통합하고 있다. NVIDIA의 GR00T나 Physical Intelligence의 π 시리즈 등 다양한 VLA 모델을 사용자가 쉽게 실험할 수 있도록 지원한다. LeRobot은 특정 연구팀의 결과물에 머물지 않고 누구나 최첨단 VLA를 사용할 수 있게 돕는 원스톱 숍 플랫폼을 지향한다. 이를 통해 연구와 실제 구현 사이의 간극을 좁히는 데 집중한다.
07:09
커뮤니티 주도 데이터와 플라이휠
로보틱스 학습의 가장 큰 병목인 물리적 데이터를 해결하기 위해 '데이터 플라이휠' 전략을 사용한다. 개인 연구자뿐만 아니라 산업 파트너들이 데이터를 공유하고, 이 데이터로 학습된 더 나은 모델이 다시 더 많은 데이터를 끌어오는 구조이다. 단일 기업이 수집할 수 없는 방대한 양의 데이터를 오픈 생태계를 통해 확보하는 것이 목표이다. 데이터의 품질 관리는 통계적 도구를 활용하여 모델에 미치는 영향을 분석하고 반복 개선하는 방식을 취한다.
13:35
시뮬레이션과 합성 데이터의 역할
실제 물리 데이터 수집의 높은 비용을 절감하기 위해 Isaac Sim과 같은 시뮬레이션 데이터를 적극 활용한다. 시뮬레이션 데이터와 합성 데이터, 실제 데이터를 적절히 조합하여 모델에 풍부한 맥락을 제공하는 것이 최적의 지점이다. 미래의 아키텍처는 정제되지 않은 데이터에서도 유의미한 학습이 가능하도록 발전할 것으로 전망한다. 시뮬레이션은 데이터 수집의 오버헤드를 줄이는 빠른 방법이며 파이프라인의 다른 병목을 찾는 데 도움을 준다.
16:00
모델 아키텍처의 다양성 수용
VLA 외에도 비디오 생성 기반 모델이나 월드 모델 등 다양한 아키텍처를 모두 탐색할 가치가 있다고 판단한다. 특정 기술에 매몰되지 않고 시장의 신호와 연구 활성도를 포착하여 니즈가 있는 기술을 우선적으로 구현한다. LeRobot 라이브러리 내부에 ACT 정책이나 Diffusion 정책 등을 통합하여 사용자가 직접 비교 실험할 수 있게 한다. 최종적으로 어떤 기술이 표준이 될지는 생태계 참여자들의 선택에 맡기는 개방형 구조를 유지한다.
21:09
로보틱스 AI의 해결 시점과 수익화
로봇이 사람 수준의 조작 능력을 갖추는 시점을 향후 5년 이내로 조심스럽게 예측한다. 이는 데이터 가용성과 하드웨어 혁신 속도에 달려 있으며, 최근 하드웨어 분야의 투자가 가속화되고 있어 긍정적이다. Hugging Face는 LeRobot 자체를 수익화할 계획이 없으며 순수한 오픈소스 프로젝트로 유지할 방침이다. 대신 더 많은 사용자가 허브 생태계에 유입되어 데이터를 공유하고 모델을 호스팅하는 것 자체가 기업의 지속 가능성에 기여한다고 본다.
용어 해설
- 시각-언어-행동 모델(VLA)
- — Vision-Language-Action의 약자로 시각 정보와 언어 명령을 입력받아 로봇의 구체적인 물리적 행동을 출력하는 멀티모달 모델이다. 로봇이 주변 환경을 이해하고 자연어 지시에 따라 복잡한 작업을 수행하게 하는 핵심 기술이다.
- 원격 조종(Teleoperation)
- — 사람이 원격에서 장치를 조작하여 로봇을 움직이는 기술이다. 로봇 학습을 위한 고품질의 행동 데이터를 수집하는 가장 대표적인 방법으로 활용된다.
- 햅틱 피드백(Haptic Feedback)
- — 로봇이 물체와 접촉할 때 발생하는 힘이나 진동을 사용자에게 전달하는 기술이다. 정교한 물체 조작을 위해 시각 정보 외에 촉각 정보를 제공함으로써 조종의 정확도를 높인다.
- 데이터 플라이휠(Data Flywheel)
- — 데이터가 축적될수록 모델 성능이 향상되고, 향상된 모델이 더 많은 사용자를 유입시켜 다시 더 많은 데이터를 생성하는 선순환 구조를 의미한다. 로보틱스에서는 커뮤니티의 데이터 기여가 기술 발전을 가속하는 핵심 동력이다.
코드 예제
bash
pip install lerobotHugging Face의 로보틱스 라이브러리 LeRobot을 설치하는 기본 명령어
언급된 리소스
GitHubLeRobot GitHub
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 05. 13.수집 2026. 05. 13.출처 타입 YOUTUBE
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.
