아르곤 로보틱스, 7연속 성공 뒤에 숨은 숫자

기준일 2026-10-14 수집 자료 · 숫자는 출처와 함께 본다 개골 · 조회 -회

로봇 가르치는 일은 원래 비싸고 느리다. 사람이 동작을 일일이 짜고, 실제 로봇으로 수백 번 시험하니까. 아르곤은 순서를 뒤집었다. 사람이 하는 영상을 보고, 가상에서 수천 번 연습하고, 그다음에 실제 로봇으로 옮긴다. 성공률은 56%에서 75%로 올랐다. 근데 자랑 숫자 중엔 현장 능력과 섞으면 안 되는 시험 점수도 있다. 어디까지 진짜인지 아래에 갈라놨다 개골.

핵심만 먼저

흐름 — 영상 → 시뮬레이션 → 실제 로봇

성과 — 가상 실험 4,500회+, 성공률 56% → 75%

주의 — ERQA 87%는 객관식 시험 점수, 콘홀 전체 시도 횟수는 미공개

영상 → 시뮬레이션 → 실제 로봇

• 사람이 콘홀(콩주머니 던지기)을 하는 영상을 보고, 좌표와 관절 움직임을 계산한다.
• 시뮬레이션 코드를 스스로 작성한다.
• 그 동작을 넣은 휴머노이드 아폴로가 7번 연속 성공했다.

출처: AI Matters · AI타임스

▶ 영상 보기

ERQA 87%, 숫자 뒤에 숨은 것

• 체화 추론 벤치마크 ERQA에서 87%를 기록했는데, 구글이 밝히기로는 비교 대상인 다른 프런티어 모델보다 높은 점수다.
• 다만 이 비교에는 함정이 있다. ERQA는 이미지와 글로 된 객관식 400문항으로 3D 공간과 물리 추론을 평가하는 시험이라, 로봇이 실제 작업을 완수하는지는 보지 않는다. 점수 비교와 현장 능력은 별개로 봐야 한다.

출처: AI타임스 · AI Matters

로봇 개발이 바뀌는 지점

• 로봇 동작 만들기: 사람이 하는 영상을 보고 로봇이 따라 할 동작을 계산하고 시뮬레이션 코드까지 작성한다. 사람이 좌표를 일일이 짜던 일을 영상이 대신한다.
• 가상 실험 장면 구성: 물리 시뮬레이터 무조코(MuJoCo)로 가상 실험을 구성하고, 실패한 시도를 검토해 로봇 동작을 수정한다. 실패를 실제 로봇 망가뜨려 가며 배울 필요가 없어진다.
• 영상 변환: 사람이 직접 촬영한 1인칭 영상을 양손 휴머노이드의 가상 모델로 변환한다. 찍어둔 영상이 그대로 학습 재료가 된다.
• 스케치 변환: 손으로 그린 스케치를 가상 실험 장면으로 바꾼다. 말로 설명하기 어려운 장면을 그림 한 장으로 시작할 수 있다.
• 어디서 쓰나: 구글 AI 스튜디오와 안티그래비티에서는 울트라 구독자, 개발자는 제미나이 API 유료 요금제로 이용할 수 있다.

출처: AI Matters

공개된 시연들

• 구글과 앱트로닉: 휴머노이드 아폴로에게 콘홀을 가르쳤다. 영상을 본 뒤 가상 공간에서 연습하고, 실제 로봇에서는 주머니가 떨어진 위치를 보고 던지는 동작을 조정했다. 연속 7회 성공 영상이 공개됐지만 전체 시도 횟수는 공개되지 않았다.
• 구글의 가상 실험: 무조코에서 가상 실험을 4,500번 넘게 반복해 실제 작업 성공률을 56%에서 75%로 높였다. 수주 걸리던 시뮬레이션 모델링이 몇 시간이면 된다는 게 구글 설명이다.
• 보스턴 다이내믹스 스팟 시연: 4족 보행 로봇 스팟이 페달을 밟아 쓰레기통을 열고 빈 캔 2개를 버리는 시연이 함께 소개됐다.

출처: AI Matters · AI타임스

아직 확인이 필요한 부분

• ERQA 87%는 객관식 시험 점수다. 실제 작업 완수 능력과는 구분해야 한다.
• 콘홀 시연의 전체 시도 횟수가 미공개라, 7번 연속 성공만으로 성공률을 계산할 수 없다.
• 지금까지 공개된 사례는 전부 구글과 파트너의 시연이다. 제3자 현장 검증 사례는 아직 없다.
• 숫자는 좋은데, 현장 검증은 이제부터다.