런웨이, 영상 데이터 기반 로봇 제어 모델 '프랙시스-1' 공개

원문 요약

출처: The Robot Report · 2026년 10월 3일 보도

보도에 따르면 런웨이 AI는 자사의 영상 사전 학습 기술을 로봇 제어에 적용한 오픈 웨이트 모델 '프랙시스-1'을 소개했습니다. 이 모델은 로봇 데이터가 희소하고 수집 비용이 비싸다는 문제를 해결하기 위해, 제3자 시점의 영상 데이터를 주로 학습 자료로 사용합니다. 런웨이의 CTO 카밀 신디는 모델의 성능 상한선이 로봇 데모의 수가 아니라 학습 가능한 영상의 양에 의해 결정된다고 설명했습니다.

런웨이는 자사의 월드 모델 내에서 로봇 정책을 시뮬레이션할 때 실제 결과와 0.95의 상관관계를 보인다고 주장하며, 이는 더 비용이 많이 드는 3D 재구성 기술보다 유리하다고 밝혔습니다. 현재 노블 머신즈, 스탠다드 보츠, 울트라 등 초기 파트너사들은 자사 하드웨어에서 이 모델을 테스트하고 있습니다. 신디는 단일 모델이 가벼운 파인튜닝을 통해 양팔 로봇부터 휴머노이드까지 다양한 로봇 형태에 적응할 수 있다고 전했습니다.

런웨이는 수개월 내에 이 모델을 오픈 웨이트 형태로 공개할 계획입니다. 신디는 미국의 물리적 AI 리더십 회복을 위해 오픈 모델이 필요하며, 이를 통해 하드웨어 개발자들이 더 큰 유연성을 확보할 수 있다고 강조했습니다.

맥락

런웨이 AI는 2018년에 설립되어 생성형 AI 분야에서 '젠-4.5'와 같은 영상 생성 모델로 잘 알려진 기업입니다. 로봇 산업은 일반적으로 실제 로봇의 동작 데이터를 대량으로 수집하는 데 드는 비용과 시간의 장벽에 직면해 있습니다. 런웨이는 인터넷에 존재하는 방대한 인간 활동 영상 데이터를 활용하여 이 데이터 병목 현상을 우회하려는 전략을 취하고 있습니다. 이는 디지털 시뮬레이션과 영상 이해를 통해 물리적 에이전트를 사전 학습시키는 '물리적 AI' 트렌드와 일치하는 접근법입니다.

로봇의 해석

영상 사전 학습을 통한 로봇 제어는 로봇 학습의 비용 구조를 근본적으로 바꿀 수 있는 시도입니다. 런웨이가 주장하는 시뮬레이션과 현실 간의 높은 상관관계가 다양한 작업 환경에서 검증된다면, 범용 로봇 정책 개발의 장벽이 크게 낮아질 것입니다. 그러나 시각적 이해를 정밀한 운동 제어 신호로 변환하는 과정은 여전히 복잡한 과제입니다. 오픈 웨이트 공개는 생태계 구축에 유리하지만, 실제 실시간 조작 작업에서 모델이 각 하드웨어 플랫폼에 맞춰 얼마나 적은 파인튜닝으로 안정적인 성능을 내는지 여부가 향후 핵심 검증 포인트가 될 것입니다.