제너럴 로보틱스 '그리드', 로봇 배치 전 과정 자동화

미국 제너럴 로보틱스(General Robotics)가 자체 개발한 로봇 지능 플랫폼 '그리드(GRID)'로 로봇 개발과 배치의 전체 수명 주기를 자동화할 수 있게 됐다고 밝혔습니다. 로보틱스앤오토메이션뉴스 보도를 인용한 로봇신문에 따른 내용입니다.

피지컬 AI용 지능 레이어를 구축하는 기업으로 자신을 소개하는 제너럴 로보틱스는, 그리드가 처음부터 연결된 모든 로봇을 지속적으로 개선하는 에이전트 시스템(agentic system, 스스로 판단하고 행동하는 자율형 시스템)으로 설계됐다고 설명했습니다. 이번 진화를 통해 그리드는 로봇 온보딩부터 기술 배치에 이르는 자체 프로세스를 스스로 공학화하게 됐으며, 그 결과 로봇을 실제 현장에 도입하는 데 필요한 시간과 전문 로봇공학 지식이 크게 줄었습니다.

아시시 카푸어 제너럴 로보틱스 창업자 겸 최고경영자(CEO)는 "사람들은 50년 동안 동일한 방식으로 첨단 로봇 시스템을 배치하려고 시도해 왔다. AI의 급격한 발전에 발맞춰 이제 그 접근 방식을 재고해야 할 때가 됐다"고 말했습니다. 그는 그리드 아키텍처가 연구, 소프트웨어, AI 모델, 시뮬레이션, 데이터, 하드웨어에 이르는 수십 년간의 로봇공학 지식을 단일 에이전트 우선 플랫폼으로 통합한 것이라고 덧붙였습니다.

그리드의 핵심에는 지식 그래프(knowledge graph, 정보 간의 관계를 구조화해 저장하는 데이터 구조) 세트가 있습니다. 새로 도입되는 로봇, 작업을 수행하는 로봇, 새로운 모델을 수용하는 과정, 그리고 실패 사례까지 모두 플랫폼으로 피드백돼 향후 작업의 기준선을 높여줍니다. 이 과정에서 고객의 데이터와 지식재산권(IP)은 안전하게 보호됩니다.

제너럴 로보틱스에 따르면 그리드의 최신 진화로 다음과 같은 네 가지 시나리오에서 성과가 크게 개선됐습니다.

• 로봇 온보딩: 1개월 → 최저 2시간
• 모델 수용: 3일 → 최저 20분
• 폼팩터 간 기술 이전: 3일 → 최대 1.5시간
• 신규 기술 생성 및 배치: 최저 2일

회사 측은 고객층이 자동차 제조, 항만 운용, 에너지 발전, 음료 및 식품 생산 분야의 글로벌 톱5 기업과 여러 정부 기관으로 계속 확대되고 있다고 밝혔습니다. 이들 고객은 각 작업에 가장 적합한 로봇 제조사와 폼팩터를 자유롭게 선택할 수 있습니다.

그리드는 빠른 배치와 기능 확장을 지원하는 이전 가능한 지능을 제공하는 로봇 제조사 생태계와도 연결돼 있습니다. 여기에는 중공업용 로봇의 선두 주자인 화낙(FANUC), 양손 모바일 매니퓰레이션 분야의 갤럭세니아(Galaxea)가 포함됩니다. 제너럴 로보틱스는 컨스트럭트 캐피털, 엑센추어 벤처스, E14, 엔비디아, 쇼루크, 발로 벤처스, 코슬라 벤처스 등의 투자를 받고 있습니다.

로봇을 만드는 새로운 방식

제너럴 로보틱스는 로봇 산업이 두 가지 큰 제약에 직면해 있다고 설명합니다. 첫째는 지능형 로봇 시스템을 설계할 인력이 부족하고 대부분 연구 분야에 집중돼 있다는 점이고, 둘째는 로봇 개발 스택이 지나치게 파편화돼 있어 각 로봇 솔루션마다 소프트웨어 툴, 통신 프로토콜, 프로그래밍 방식을 별도로 통합해야 한다는 점입니다. 이런 제약들이 겹쳐 기업들이 시범 단계를 넘어 신뢰할 수 있는 대규모 양산 시스템으로 나아가기 어렵게 만들고 있다는 설명입니다.

그리드는 이런 병목을 해소하기 위해, 연결된 모든 로봇이 작업 수행을 위해 호출할 수 있는 조합 가능한 기술과 파운데이션 모델, 고전적 기법으로 구성된 모듈식 라이브러리를 활용합니다. 기반이 되는 모델과 접근법이 발전할수록 그리드 역시 함께 진화하며, 이를 통해 로봇 지능이 특정 솔루션이나 AI 방식에 얽매이지 않고 다양한 로봇 유형과 환경에 적용될 수 있게 됩니다.

스스로를 설계하는 에이전트 시스템

이번 진화로 그리드의 아키텍처는 에이전트 개발에 최적화됐고, 이제 엔드투엔드 로봇 엔지니어링 수명 주기 전체를 자동화하고 있습니다. 작업이 주어지면 그리드는 필요한 기술을 판단하고, 최적의 모델과 접근 방식을 조합하며, AI를 학습·평가·고도화하는 데 필요한 시뮬레이션 환경을 자동으로 구축·실행합니다.

그리드는 여기서 더 나아가 AI 기술 배치를 관리하고, 성능과 오류를 모니터링하며, 다음 단계에서 무엇을 바꿔야 할지 판단합니다. 온보딩부터 기술 배포, 실세계 평가, 다시 피드백으로 이어지는 이 닫힌 순환 구조는 지속적으로 작동하며, 플랫폼에 연결된 모든 로봇과 작업에 대해 다음에 무엇을 구축하고 테스트하고 수정하고 개선해야 할지 끊임없이 추론합니다.