피지컬 AI Lab

공장 로봇 로그의 얼굴만 흐리면 비식별화가 끝나지 않는다. 화면·음성·제품형상·좌표·파일명이 서로 결합해 사람과 시설을 다시 드러낼 수 있어 위험과 학습 유용성을 함께 시험해야 한다.

긴 로봇 작업의 자동 주석은 VLM이 문장을 잘 쓰는지보다 경계·누락·실패·복구를 사람이 재현 가능하게 검수하는지가 중요하다. 원본과 수정 이력을 잇지 못하면 학습 편의가 데이터 계보를 무너뜨린다.

인간 동작을 휴머노이드에 옮기는 일은 관절각 복사가 아니다. 작업 의도를 골격·접촉 표현으로 바꾸고, 로봇의 링크와 자유도에 맞춘 뒤 물리 제약과 실물 피드백으로 다시 고쳐야 한다.

텔레옵 시범은 지연·척도·좌표·클러치가 어긋나면 영상상 성공해도 학습 샘플로 실패한다. 원시 입력과 실행 행동 사이의 왕복 지연과 변환을 사건별로 교정해야 한다.

리더-팔로워·VR·UMI·모션수트는 조작 범위와 데이터 분포가 다르다. 작업의 접촉·이동·시야·작업자 부담과 로봇 행동 좌표를 기준으로 인터페이스를 골라야 한다.