갈봇, NVIDIA Jetson Thor로 로봇 공학 가속화: 소매, 의료, 물류 혁신 예고¶
원제목: Galbot to Accelerate Robotics with NVIDIA Jetson Thor | RoboticsTomorrow
핵심 요약
- 갈봇이 NVIDIA Jetson Thor를 탑재한 G1 프리미엄 로봇으로 인공지능 로봇 성능을 획기적으로 향상시켰음.
- Sim2Real 방법론을 통해 실제 데이터 의존도를 줄이고 복잡한 환경 적응력을 높였음.
- 이 기술은 소매, 의료, 물류 등 다양한 분야에 걸쳐 로봇 도입의 새로운 기준을 제시함.
상세 내용¶
엠바디드 인텔리전스 및 로봇 공학의 글로벌 선두주자인 갈봇(Galbot)은 최근 세계 로봇 컨퍼런스(WRC)에서 선보인 G1 프리미엄 로봇에 NVIDIA Jetson AGX Thor를 통합했습니다. 업계 초기 도입 기업 중 하나인 갈봇은 Jetson Thor를 활용하여 성능을 향상시켜 더 빠르고 부드럽고 지능적인 자율성을 확보하는 동시에 소매, 의료 및 물류 부문 전반에 걸쳐 구축을 위한 새로운 벤치마크를 설정하고 있습니다.
NVIDIA Jetson Thor를 통합함으로써 갈봇은 범용 로봇 공학의 기준을 크게 높였으며 로드맵을 가속화하고 최첨단 컴퓨팅이 어떻게 더 강력한 자율성과 더 폭넓은 상용 구축을 촉진하는지 보여주고 있습니다. Jetson Thor를 기반으로 구축된 G1 프리미엄은 이미 속도, 유동성 및 실시간 추론에서 큰 성과를 거두었습니다. 이전 세대 NVIDIA Jetson Orin보다 7.5배 향상된 AI 컴퓨팅 성능과 3.5배 향상된 에너지 효율성을 통해 갈봇의 로봇은 이제 엠바디드 인텔리전스에서 가능한 것을 재정의하는 수준의 정밀도로 복잡한 계획 및 동작을 실행할 수 있습니다.
갈봇의 창립자이자 CTO인 왕 허 교수는 "NVIDIA Jetson Thor에서 실행되는 G1 프리미엄은 속도와 실시간 추론에서 상당한 이점을 제공하여 독점 VLA 모델이 향상된 실제 성능을 달성할 수 있도록 합니다."라고 말했습니다. G1 프리미엄은 WRC에서 "가장 빠른 휴머노이드 작업자"로 인정받으며 로봇의 성능을 입증했습니다.
이를 바탕으로 갈봇은 칭화대학교 및 상하이 치지 연구소와 협력하여 휴머노이드 로봇의 전신 원격 조작을 위한 전문 시뮬레이션 플랫폼인 OpenWBT_Isaac을 공동 개발했습니다. OpenWBT 시스템의 전신 제어 기능을 활용하고 가상 현실 융합 기능을 갖춘 NVIDIA L20/RTX 5880 Ada GPU로 구동되는 OpenWBT_Isaac은 휴머노이드 로봇 공학의 효율적이고 고급 개발을 지원합니다.
갈봇의 성과의 핵심은 대규모 고품질 합성 데이터 세트에 대한 대규모 사전 훈련을 활용하고 최소한의 실제 데이터로 개선되는 고유한 Sim2Real 방법론입니다. 이 접근 방식은 비용이 많이 드는 실제 데이터 수집에 대한 의존도를 크게 줄이는 동시에 복잡한 환경 전반의 일반화 가능성을 크게 향상시킵니다. 갈봇은 세계 휴머노이드 로봇 게임에서 원격 조작 없이 완전 자율적으로 경쟁하여 예선부터 결승까지 모든 라운드에서 1위를 차지하며 기술력을 다시 한번 입증했습니다. 갈봇의 독점 Sim2Real 방법론과 대규모 VLA 모델로 구동되는 갈봇의 G1 로봇은 이미 베이징의 10개 이상의 약국에서 완전 자율적으로 운영되고 있으며 연말까지 전국 100개 이상의 지역으로 확장할 계획입니다. 또한 갈봇은 보쉬 그룹과 같은 주요 제조업체와 협력하여 기존 로봇 팔을 보다 지능적이고 적응력이 뛰어난 솔루션으로 대체하는 스마트 생산에 AI 기반 플랫폼을 구축하고 있습니다.
편집자 노트¶
갈봇의 NVIDIA Jetson Thor 탑재는 단순한 부품 교체를 넘어 로봇 산업 전반에 걸쳐 큰 파급력을 가질 것으로 예상됩니다. 특히, 향상된 AI 컴퓨팅 성능과 에너지 효율은 로봇의 자율성을 크게 높여, 더욱 복잡하고 다양한 작업 수행을 가능하게 합니다. 이는 제조, 물류, 의료 등 다양한 분야에서 로봇의 활용 범위를 넓히고, 인간과 로봇의 협업을 더욱 긴밀하게 만들 것으로 기대됩니다.
핵심 기술인 Sim2Real 방법론은 실제 데이터 수집의 어려움을 해결하는 동시에 로봇의 학습 효율을 높이는 획기적인 접근입니다. 이는 로봇 개발 비용을 절감하고, 다양한 환경에 빠르게 적응할 수 있는 로봇 개발을 촉진할 것입니다. 결과적으로, 더욱 저렴하고 효율적인 로봇 솔루션이 등장하여 우리의 일상생활에도 큰 변화를 가져올 것으로 전망됩니다.