섹션별 상세
로봇 AI 모델은 언어 모델과 달리 물리적 상호작용 데이터가 부족하여 학습에 큰 제약을 받는다. 기존의 유튜브 영상이나 작업자 데이터는 품질이 낮아 로봇 학습에 부적합하다. 이러한 데이터 부족은 로봇 AI 개발의 가장 큰 병목 현상으로 작용한다.
XDOF는 로봇 학습을 위한 데이터 파이프라인, 수집 도구, 주석 시스템을 구축하여 로봇 AI 개발의 병목 현상을 해결한다. 이 회사는 데이터 수집부터 정제까지의 과정을 자동화하여 로봇 학습 데이터 생태계를 조성한다. 이는 frontier AI 연구소들이 자체적으로 구축하기 어려운 인프라를 제공하는 비즈니스 모델이다.
GELLO는 인간 작업자가 로봇 팔을 원격으로 조작하여 학습 데이터를 생성하는 저비용 시스템으로, XDOF의 데이터 수집 전략의 핵심이다. 이 시스템은 많은 연구자가 유사한 데이터 수집 문제를 겪고 있다는 점에 착안하여 개발되었다. 현재 많은 로봇 연구자들이 이 장치를 활용하여 데이터 수집 효율을 높이고 있다.
UC Berkeley와 협력하여 13만 개의 로봇 조작 궤적, 300시간의 시뮬레이션, 100시간의 평가 데이터가 포함된 ABC 데이터셋을 공개했다. 이는 학계에 공개된 가장 큰 규모의 고품질 로봇 학습 데이터셋이다. 이 데이터는 티셔츠 접기, 상자 평평하게 펴기 등 다양한 로봇 조작 작업 학습에 활용된다.
7천만 달러의 투자를 유치했으며, 전 세계적으로 원격 조작 및 자기중심적 데이터 수집을 위한 인력을 운영하여 로봇 학습 데이터 생태계를 확장한다. 이 회사는 로봇 하드웨어 설계와 데이터 수집 품질의 상관관계를 고려하여 최적의 데이터 수집 환경을 조성한다. 대규모 운영과 자본이 필요한 데이터 생산 과정을 대행하여 AI 연구소들의 효율성을 극대화한다.
근거
- XDOF는 7천만 달러의 투자를 유치했다. — 본문 3번째 문단
기술
- GELLO
- ABC Dataset
활용 사례
- 로봇 학습 데이터 수집
- 원격 조작 시스템 구축
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 06. 18.수집 2026. 06. 18.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.
