"1인칭 영상을 로봇 학습 데이터로"...트웰브랩스 '페가수스 1.6' 출시

(aitimes.com)

트웰브랩스가 1인칭 에고센트릭 영상의 자동 라벨링을 지원하는 VLM '페가수스 1.6'을 출시하며, 기존 영상 이해 기술을 로봇 학습을 위한 피지컬 AI 분야로 확장하여 데이터 구축의 효율성을 혁신하고자 합니다.

이 글의 핵심 포인트

1트웰브랩스, 피지컬 AI 학습 데이터 특화 VLM '페가수스 1.6' 출시
21인칭 에고센트릭(Egocentric) 데이터의 이해 및 라벨링 자동화 지원
3액션캠 및 스마트 글래스 영상을 활용한 데이터 수집 및 처리 최적화
4행동 분할(Action Segmentation) 및 상세 캡셔닝 기능 탑재
5기존 영상 이해 기술을 로봇 및 피지컬 AI 분야로 사업 영역 확장

이 글에 대한 공공지능 분석

왜 중요한가?

로봇 학습의 핵심 병목 구간인 '고품질 학습 데이터 구축' 비용을 획기적으로 낮출 수 있는 기술적 돌파구를 제시했기 때문입니다. 1인칭 시점의 복잡한 동작을 자동 라벨링함으로써 데이터 생성 주기를 단축할 수 있습니다.

어떤 배경과 맥락이 있나?

최근 AI 트렌드가 단순 텍스트/이미지 생성을 넘어 실제 물리적 환경과 상호작용하는 '피지컬 AI(Physical AI)'로 이동하고 있습니다. 이를 위해서는 로봇의 시점에서 바라본 정교한 동작 데이터(Egocentric Data)가 필수적인 상황입니다.

업계에 어떤 영향을 주나?

로보틱스 및 자율주행 스타트업들은 데이터 라벨링에 투입되던 막대한 비용과 인력을 알고리즘 고도화에 재배치할 수 있게 됩니다. 이는 데이터 중심(Data-centric) AI 개발 생태계를 더욱 가속화할 것입니다.

한국 시장에 어떤 시사점이 있나?

하드웨어 제조 역량이 뛰어난 한국의 로봇 및 스마트 제조 기업들에게 소프트웨어적 데이터 인프라를 제공할 수 있는 기회입니다. 국내 스타트업들은 이러한 고도화된 VLM을 활용해 특정 도메인에 특화된 로봇 동작 학습 모델을 빠르게 구축하는 전략이 필요합니다.

이 글에 대한 큐레이터 의견

트웰브랩스의 이번 행보는 단순한 기능 업데이트를 넘어, 영상 이해 기술의 적용 범위를 '디지털 콘텐츠'에서 '물리적 행동'으로 확장하려는 전략적 승부수입니다. 1인칭 시점 데이터의 자동화된 구조화는 로봇 학습의 진입 장벽을 낮추는 강력한 도구가 될 것입니다.

다만, 에고센트릭 데이터의 특성상 촬영 환경이나 카메라 각도에 따른 데이터 편향(Bias) 문제가 발생할 리스크가 있습니다. 자동 라벨링된 데이터가 실제 물리적 환경의 복잡성을 충분히 반영하지 못할 경우, '심투리얼(Sim-to-Real)' 간극을 메우는 데 한계가 있을 수 있다는 점을 유의해야 합니다.

스타트업 창업자들은 이 기술을 단순한 도구로 보지 말고, 이를 활용해 어떤 특수 목적용(Vertical) 로봇 동작 데이터를 독점적으로 확보할 수 있을지 고민해야 합니다. 모델 자체를 만드는 것보다, 페가수스 1.6과 같은 인프라를 활용해 '가장 가치 있는 동작 데이터셋'을 구축하는 것이 차별화된 경쟁력이 될 것입니다.

원문 보기 →