스킬드 AI, 로봇이 스스로 배우는 '피지컬 셀프플레이' 공개

원문 요약

출처: 로봇신문 · 2026년 9월 27일 보도

보도에 따르면, 스킬드 AI는 로봇이 새로운 신체 능력과 전략을 스스로 학습할 수 있는 '피지컬 셀프플레이(Physical Self-Play)' 기술을 공개했습니다. 핵심은 사람이 모든 동작을 일일이 가르치지 않아도, 로봇이 목표를 달성하는 과정에서 필요한 행동을 스스로 발견할 수 있다는 점입니다.

이 기술은 지난달 공개된 로봇 파운데이션 모델 S1을 기반으로 구현되었습니다. S1은 인간 영상, 장갑 데이터, 시뮬레이션, 원격조작 데이터 등을 활용해 사전학습한 모델입니다. 스킬드 AI는 시뮬레이션 환경에서 로봇이 이전 버전의 자신과 반복적으로 축구 경기를 하도록 했습니다. 로봇의 실력이 향상되면 상대 역할을 하는 이전 버전도 강해지면서, 로봇은 더 강해진 상대와 경기를 하며 새로운 능력을 습득하는 순환 구조가 만들어졌습니다.

학습 초기에는 로봇이 제대로 걷지 못했지만, 학습이 진행되면서 넘어졌을 때 스스로 일어나는 능력을 익혔습니다. 이후에는 수비수를 피해 드리블하거나, 공을 몸으로 보호하고, 상대를 태클하는 복잡한 동작까지 습득했습니다. 스킬드 AI는 인간 데이터 기반의 사전학습 모델은 인간이 보여준 능력의 범위에 영향을 받을 수밖에 없으며, 이 단계에서 강화학습을 활용해 모델을 스스로 확장하는 전략을 제시했습니다.

맥락

스킬드 AI는 물리적 AI(Physical AI) 분야를 선도하는 미국 기업으로, 범용 로봇 모델을 개발하는 데 집중하고 있습니다. S1 모델은 대규모 사전학습을 통해 다양한 작업을 수행할 수 있는 로봇 에이전트를 만드는 산업의 흐름을 반영합니다. 셀프플레이(Self-Play) 개념은 AI 분야에서 이미 잘 알려진 기술로, 바둑이나 스타크래프트와 같은 게임에서 에이전트가 스스로와 경쟁하며 학습하는 데 성공적으로 적용된 바 있습니다. 그러나 물리적 로봇에 이를 적용하는 것은 복잡한 물리 법칙과 고차원 상태 공간을 다루어야 하기 때문에 훨씬 어려운 엔지니어링 과제입니다.

로봇의 해석

이 기술은 로봇 분야에서 가장 큰 병목 중 하나인 고품질 실세계 데이터의 부족 문제를 해결하는 데 중요한 의미를 가집니다. 시뮬레이션과 셀프플레이를 통해 자체 학습 데이터를 생성할 수 있게 되면, 인간 데모에 대한 의존도를 줄이고 로봇의 능력을 확장할 수 있을 것입니다. 그러나 시뮬레이션과 실세계 사이의 간극은 여전히 중요한 과제입니다. 시뮬레이션에서 드리블과 태클을 학습했더라도, 예측할 수 없는 마찰, 조명, 물체 상호작용이 있는 실제 환경으로 이 기술을 이전하는 것은 또 다른 장벽입니다. 이 셀프플레이 기술이 실세계 작업으로 얼마나 잘 이전될지는 아직 확인되지 않았지만, 더 자율적이고 적응력 있는 로봇을 만드는 데 유망한 방향을 제시합니다.