로봇이 자기 대결로 축구를 배운다: Skild AI의 체화 AI 실험

들어가며

자기 대결은 바둑과 체스 같은 디지털 환경에서 큰 성과를 낸 학습 방식입니다. Skild AI는 이 개념을 로봇의 신체 제어에 적용해 Messinator라는 휴머노이드 로봇을 선보였습니다. 아르헨티나 대표팀 유니폼을 입은 이 로봇은 가상 축구장에서 훈련한 뒤 슈팅, 드리블, 볼 키핑, 상대 압박, 넘어졌다 일어나기를 보여줬습니다. 다만 현재 공개된 내용은 주로 회사의 기술 블로그와 시연에 근거하므로, 프로 선수와 경쟁할 수 있다는 의미로 해석해서는 안 됩니다.

어떻게 축구를 배웠나

Messinator의 핵심은 Skild AI가 개발한 로봇 기반 모델 S1입니다. S1은 상황 학습을 주요 능력으로 내세웁니다. 로봇에게 작업 시연 영상을 보여주면 영상 속 의도를 파악하고, 자신의 신체 구조에 맞는 움직임으로 바꾸는 방식입니다. 로봇과 작업마다 별도의 제어기를 처음부터 만드는 대신 새로운 작업에 적응하도록 하려는 접근입니다.

축구 훈련에서 연구팀은 NVIDIA Isaac Sim으로 만든 가상 경기장에 로봇을 배치하고, 최종 목표를 골로 설정했습니다. Skild AI의 설명에 따르면 드리블, 볼 보호, 태클, 기립 같은 행동에 각각 별도의 보상을 주지 않았습니다. 로봇은 과거에 저장된 자기 모델과 경기를 치렀고, 더 나은 새 모델이 다음 훈련에서 더 강한 상대가 됐습니다.

이 구조에서는 엔지니어가 유용한 동작을 모두 미리 정의할 필요가 없습니다. 회사에 따르면 초기 로봇은 걷기조차 안정적이지 않았지만, 훈련이 진행되면서 넘어졌을 때 일어나고, 수비를 돌아가며, 몸으로 공을 보호하고, 공을 빼앗는 행동을 익혔습니다. 이 행동들은 개별 과제로 명령된 것이 아니라 골을 넣을 가능성을 높였기 때문에 남은 것으로 설명됩니다.

하나의 모델로 여러 로봇을 제어한다는 구상

Messinator는 독립적인 데모가 아니라 Skild AI의 더 넓은 로봇 기반 모델 전략에 포함됩니다. 회사는 하나의 모델이 다양한 하드웨어를 제어하는 Skild Brain 구상을 공개했습니다. 또한 서로 다른 형태의 로봇을 시뮬레이션에서 훈련하고, 다리 고장, 관절 잠김, 바퀴 방해, 추가 하중 같은 변화에 적응시키는 ‘omni-bodied’ 훈련도 소개했습니다.

다양한 신체를 경험하면 특정 로봇의 보행 패턴을 단순히 암기하기 어렵습니다. 모델은 대신 무게중심, 균형, 관절 움직임과 물리 법칙 사이의 일반적인 관계를 학습해야 합니다. 기반 모델이 신체 제어와 외란 대응을 담당하고, self-play가 더 나은 행동 전략을 찾는 구조입니다.

의미와 한계

로봇 학습에는 보통 대량의 시연 데이터와 정교한 보상 설계, 하드웨어별 조정이 필요합니다. 축구는 연속적인 제어, 충돌, 상대의 움직임, 빠른 의사결정을 모두 포함하기 때문에 자율 탐색을 시험하기 좋은 과제입니다. 이번 시연은 시뮬레이션 속 자기 대결이 사람이 일일이 가르치지 않은 행동을 발견하는 데 도움을 줄 수 있음을 보여줍니다.

그러나 시뮬레이션과 현실 사이에는 여전히 큰 차이가 있습니다. 가상 환경에서는 물리 조건과 센서, 상대 행동을 통제할 수 있지만 실제 경기장은 훨씬 복잡합니다. 표준화된 성능 비교, 전체 훈련 비용, 장기적인 안정성에 관한 정보도 충분히 공개되지 않았습니다. 따라서 Messinator를 ‘메시를 이기는 로봇’으로 부르기보다는, 체화 AI 학습 방법을 시험한 유망한 실험으로 보는 편이 정확합니다.

출처: 퀀텀비트