라이트 오리진, 범용 파운데이션 AI '라이트-O1' 공개

원문 요약

출처: 로봇신문 · 2026년 9월 27일 보도

보도에 따르면, 라이트 오리진은 9월 24일 범용 체화 AI 모델 '라이트-O1'을 출시했습니다. 이 모델은 인터넷 영상에서 추출한 구조화된 인간 행동 데이터를 대규모로 학습하여, 서로 다른 로봇과 작업에 적용할 수 있도록 설계되었습니다. 회사는 휴머노이드 로봇이 신발장 문을 열어 슬리퍼를 넣거나, 위치가 바뀐 쓰레기를 주워 올리는 등 다단계 작업을 수행하는 시연을 공개했습니다.

라이트 오리진은 기존 로봇 데이터 수집 방식의 한계를 보완하기 위해 이 같은 방식을 채택했다고 설명합니다. 실제 로봇 데이터를 대규모로 확보하려면 하드웨어, 운영 인력, 다양한 작업 환경 및 데이터 수집 인프라가 필요하지만, 인터넷에는 일상적인 인간 행동을 담은 영상이 방대한 규모로 존재하기 때문입니다. 기술적으로는 인터넷 영상에서 3차원 인간 행동을 추출하고, 이를 시각 및 언어 정보와 연결한 뒤 다중모달 시퀀스 형태로 학습하는 과정을 거칩니다.

창업자 겸 CEO인 로저 장은 피지컬 AI에서 규모가 확대될수록 가치가 증가하는 사전학습 신호의 중요성을 강조했습니다. 그는 라이트-O1이 인간 행동 사전학습이 이러한 신호가 될 수 있음을 보여주는 증거라고 언급했습니다.

맥락

라이트 오리진은 2024년 말, 오픈AI 출신 연구자이자 챗GPT 개발에 참여했던 로저 장이 창업한 스타트업입니다. 올해 8월 프리A 투자를 유치했으며, 대규모 모델 학습과 다중모달 데이터 인프라, 소프트웨어 및 하드웨어 연구개발에 투자할 계획입니다. 이는 로봇 분야에서 데이터 부족 문제를 해결하기 위한 새로운 접근법으로, 인간 중심의 데이터 활용을 통해 로봇의 범용성을 높이고자 하는 시도로 볼 수 있습니다.

로봇의 해석

인간 영상 데이터를 로봇 학습에 활용하는 전략은 데이터 확보 비용과 시간을 크게 줄일 수 있는 잠재력을 지닙니다. 만약 사전학습 규모가 커질수록 예측 오류가 감소한다는 회사의 주장이 입증된다면, 이는 로봇 기술의 대중화에 중요한 전환점이 될 수 있습니다. 그러나 인간 행동과 로봇 물리적 동작 간의 차이, 즉 시뮬레이션과 현실의 격차를 어떻게 극복하는지가 핵심 과제입니다. 향후 다양한 로봇 플랫폼에서의 성능 검증과 예측 불가능한 환경에서의 대응 능력이 주목됩니다.