NRN Agents는 완전한 Sim-to-Real 프레임워크와 로봇 스포츠 도입을 포함하는 새로운 로봇 통합 기능을 NRN Agent SDK를 통해 출시했다고 발표했습니다. 이 이니셔티브는 구체화된 AI를 강조하여 AGI(인공 일반 지능) 연구를 가속화하기 위한 경쟁 매체 역할을 하도록 설계되었습니다. 텍스트나 정적 데이터로만 훈련된 모델과 달리, 구체화된 AI 시스템은 물리적 세계와 상호 작용하고 학습하며, 이는 독특한 도전과 기회를 제공합니다.
구체화된 AI
인터넷에서 수집된 정적 데이터셋으로 작동하는 대규모 언어 모델과 달리, 로봇 공학은 다른 패러다임을 필요로 합니다. 구체화된 AI 시스템은 예측 불가능한 환경과 상호 작용하고 복잡한 물리적 자극에 반응하면서 실시간으로 적응해야 합니다. 이러한 시스템은 본질적으로 동적이며, 일회성 데이터 수집이나 단일 오프라인 훈련 과정에 의존할 수 없습니다. 온도, 표면 조건, 기계적 마모와 같은 물리적 세계 변수는 로봇이 지속적으로 학습하고 조정해야 함을 의미합니다. 이러한 실시간 학습의 필요성은 구체화된 AI를 AGI를 향한 추진의 최전선에 놓습니다.
NRN Agents, 로봇 스포츠로 AGI 발전 공개
데이터 격차 및 실제 학습 해결
로봇 공학의 중요한 장애물은 다양하고 확장 가능한 데이터의 부족입니다. 시뮬레이션 환경이 도움이 될 수 있지만, 물리적 세계의 복잡성을 완전히 재현할 수는 없습니다. 이러한 격차를 해소하기 위해 NRN은 가상 환경에서 훈련된 로봇이 실제 조건에서 효과적으로 작동할 수 있도록 고정밀 Sim-to-Real 파이프라인을 개발하고 있습니다. 비디오 캡처, 모션 트래킹, 원격 조작을 포함한 실제 데이터 수집은 학습 과정을 풍부하게 하는 다양한 시나리오를 제공하여 시뮬레이션 기반 훈련을 더욱 보완합니다.
또한, 전이 학습과 같은 아키텍처 혁신은 로봇 시스템이 한 영역에서 학습한 지식을 다른 영역에 적용하는 데 도움을 줍니다. 이는 재훈련의 필요성을 줄이고 더 빠른 적응을 가능하게 합니다. NRN의 플랫폼은 또한 로봇이 실제 경험으로부터 점진적으로 학습하고 이전에 습득한 지식을 유지할 수 있는 지속적인 학습 루프를 통합합니다. 이 접근 방식은 데이터 요구 사항을 줄이고 더 반응적이고 확장 가능한 로봇 시스템을 가능하게 합니다.
NRN Agents, 로봇 스포츠로 AGI 발전 공개
확장 가능한 로봇 연구를 위한 플랫폼
NRN Agents는 로봇 학습을 정적인 과정에서 지속적으로 진화하는 시스템으로 전환하는 것을 목표로 하는 플랫폼을 구축했습니다. NRN Agent SDK는 이러한 목표에 기여하는 여러 핵심 구성 요소를 포함합니다. SDK에는 유저가 게임과 같은 인터페이스를 통해 로봇 데이터를 수집할 수 있는 브라우저 기반 경험이 포함되어 있습니다. 이 게이미피케이션 접근 방식은 설치나 기술 전문 지식이 필요 없으므로, 유저가 브라우저에서 시뮬레이션된 로봇을 직관적으로 제어할 수 있습니다. 이 상호 작용에서 생성된 데이터는 NRN의 훈련 파이프라인으로 직접 유입되어 더 광범위한 연구 참여를 가능하게 합니다.
이 플랫폼은 또한 구조화된 인간 행동 데이터를 수집하기 위한 크라우드소싱 시스템을 포함합니다. 웹3 기반 인센티브 모델을 사용하여 기여자는 행동 데모를 제출할 수 있으며, 이는 가치와 독창성을 기준으로 평가됩니다. 이 시스템은 데이터셋의 다양성을 높일 뿐만 아니라 알고리즘 속성을 통해 데이터 품질을 보장합니다.
NRN SDK의 지속적인 학습 프레임워크는 적응성을 더욱 지원합니다. 로봇은 sim-to-real-to-sim 피드백 루프를 통해 행동을 업데이트하고, 환경 변화에 반응하면서 성능을 유지할 수 있습니다. 엣지에서의 경량 처리와 효율적인 업데이트 메커니즘은 하드웨어 조건이 달라지더라도 행동이 물리적 현실과 일치하도록 보장합니다.
NRN Agents, 로봇 스포츠로 AGI 발전 공개
AI 아레나에서 로봇 스포츠로
NRN Agents의 AI 개발 기반은 모방 및 강화 학습을 통해 가상 AI 에이전트가 학습하는 경쟁 플랫폼인 AI 아레나에서 시작되었습니다. AI 아레나에서 로봇 스포츠로의 전환은 적응형, 겜 기반 학습 원칙을 물리적 영역으로 가져오는 논리적인 진전입니다. 이 새로운 맥락에서 로봇 스포츠는 구체화된 AI를 위한 실제 테스트 환경 역할을 하며, 가상 시뮬레이션에서 재현하기 어려운 예측 불가능성, 물리적 제약 및 엣지 케이스를 처리하도록 시스템을 밀어붙입니다.
이러한 경쟁 시나리오에는 로봇 경주, 육상, 격투가 포함될 수 있으며, 실시간 학습 및 적응성을 강조합니다. 로봇 스포츠는 단순한 성능 쇼케이스가 아닙니다. 구체화된 AI 시스템을 실제 문제에 대해 테스트하고, 개선하고, 벤치마킹할 수 있는 연구 환경입니다.
NRN Agents, 로봇 스포츠로 AGI 발전 공개
로봇 공학이 AGI 연구에 미치는 영향
NRN은 로봇 스포츠를 AGI의 광범위한 추구에서 중요한 구성 요소로 자리매김하고 있습니다. 이 플랫폼은 하드웨어 플랫폼 전반에 걸쳐 확장되는 모듈형 AI 아키텍처, 광범위한 인간 유저로부터 얻은 행동 데이터, 훈련 시간을 단축하는 전이 학습 시스템, 장기적인 적응성을 향상시키는 지속적인 학습 루프를 통해 연구를 발전시킵니다. 이러한 결합된 요소는 AI가 물리적 입력에 반응하여 진화할 수 있는 환경을 조성하여 지능적이면서도 물리적 상호 작용이 가능한 시스템을 향한 진전을 이룹니다.
NRN의 로드맵 및 향후 개발
NRN Agents는 두 가지 주요 단계로 로드맵을 전개하고 있습니다. 첫 번째 단계는 RME-1이라고 하는 로봇 팔 시스템을 사용하여 핵심 개념을 검증하는 데 중점을 둡니다. 초기 데모에는 물체 조작, 미세 운동 제어 및 간단한 물리적 도전 과제가 포함됩니다. 이러한 초기 구현은 NRN의 데이터 수집 및 지속적인 학습 시스템의 견고성을 확인하도록 설계되었습니다.
두 번째 단계는 시스템의 기능을 본격적인 로봇 스포츠로 확장하는 것을 목표로 합니다. 여기에는 휴머노이드 로봇 전투, 드론 경주, 지형 적응 및 제어 정밀도를 강조하는 육상 경기와 같은 경쟁 형식이 포함됩니다. 이러한 응용 프로그램은 구체화된 시스템에서 AGI의 진행 상황을 평가하기 위한 실질적인 벤치마크 역할을 할 것입니다.
NRN Agents, 로봇 스포츠로 AGI 발전 공개
AI를 물리적 한계로 밀어붙이기
AI는 텍스트, 이미지, 비디오 처리와 같은 영역에서 상당한 발전을 이루었지만, 이들은 대부분 구조화된 환경입니다. 대조적으로 로봇 공학은 예측 불가능성을 도입하고 물리적 세계와의 상호 작용을 필요로 합니다. 이는 로봇 공학을 AGI를 위한 중요한 시험대로 만들며, 시스템이 계산 지능뿐만 아니라 물리적 능력과 실시간 적응성도 입증해야 합니다.
NRN Agents는 로봇 스포츠 및 구체화된 AI 분야에서의 작업을 통해 범용 AI 시스템을 테스트하고 개선하는 데 필요한 인프라를 구축하고 있습니다. 커뮤니티 주도 데이터 수집, 적응형 학습 및 실제 검증을 결합함으로써 NRN은 AGI를 달성하는 데 필요한 것에 대한 보다 포괄적인 이해에 기여하고 있습니다. NRN의 진행 상황을 추적하는 데 관심이 있는 분들을 위해 NRN 로봇 백서에서 추가 정보를 확인할 수 있습니다.
