X Square Robot이 로봇 학습 데이터 병목을 돌파할 프레임워크 XRZero-G0를 오픈소스로 공개했다. 실험 조건에서 실제 로봇 학습 데이터 요구량을 최대 20배 줄인다는 것이 핵심이다.
XRZero-G0란
XRZero-G0는 웨어러블 VR 인터페이스와 다중 카메라, 전용 듀얼 그리퍼를 결합한 하드웨어-소프트웨어 통합 프레임워크다. 사람이 직접 시연한 동작 데이터를 로봇 없이 수집하고, 이를 전혀 다른 로봇 플랫폼에도 이전할 수 있도록 설계됐다. 헤드 마운트 카메라로 전체 맥락을 포착하고, 양쪽 손목 카메라로 손-물체 상호작용을 세밀하게 기록한다.
▼ XRZero-G0 주요 하드웨어 스펙
| 항목 | 사양 |
|---|---|
| VR 헤드셋 | PICO 4 (인사이드-아웃 공간 추적) |
| 그리퍼 종류 | H형(누름 작동) / G형(손가락 구동) |
| 포즈 추정 정밀도 | 밀리미터 단위 6-DoF |
| 데이터 동기화 | 엣지 단 시공간 파싱 (시각·언어·궤적) |
| 데이터셋 규모 | 2,000시간 멀티모달 |
기존 방식과 효율 비교
기존 로봇 학습은 실제 로봇으로 대량의 데이터를 직접 수집해야 했다. XRZero-G0는 '로봇 없는 수집(robot-free collection)' 방식을 표준화해 이 부담을 대폭 낮춘다.
▼ 학습 데이터 요구량 비교
| 방식 | 실제 로봇 에피소드 | 로봇 없는 에피소드 | 비고 |
|---|---|---|---|
| 기존 실제 로봇 학습 | 다수 필요 | 0 | 비용·시간 높음 |
| XRZero-G0 혼합 학습 | 약 1 | 약 10 | 동등 성능 달성 |
| 데이터 요구량 절감 | 최대 20배 | — | 실험 조건 기준 |
X Square Robot은 로봇 없는 에피소드 약 10개와 실제 로봇 에피소드 1개를 결합하면, 순수 실제 로봇 데이터셋과 비교해 동등한 성능을 달성할 수 있다고 밝혔다.
데이터 품질 관리 파이프라인
데이터 품질은 로봇 없는 학습의 핵심 과제다. XRZero-G0는 '수집→검사→학습→평가' 4단계 폐쇄 루프로 이를 관리한다.
- 관측 단계: 다중 시점 기하학적 일관성 검사로 시각-운동 불일치 억제
- 운동학 단계: 전신 역운동학에 충돌·관절 한계 제약을 적용해 유효하지 않은 궤적 필터링
- 정책 단계: 실제 로봇 재현(playback)을 최종 검증 기준으로 사용
오픈소스 공개 범위
X Square Robot은 XRZero-G0와 함께 G0-Dataset을 연구 커뮤니티에 전면 공개했다. 공개 범위는 아래와 같다.
- 하드웨어 설계: 그리퍼·카메라 마운트 등 물리적 구성 설계도
- 자동화 검사 파이프라인: 수집 데이터 품질 자동 검증 코드
- 학습 방법론: 혼합 데이터 학습 및 교차 구현 이전(cross-embodiment transfer) 방법
- G0-Dataset: 2,000시간 멀티모달 데이터셋 (대규모 사전학습·교차 구현 실험 지원)
- 접근 경로: 코드 GitHub 공개 / 데이터셋 HuggingFace 공개 / 연구 논문 별도 다운로드 제공
국내 연구기관·스타트업 활용 포인트
국내 로봇 연구기관과 스타트업에게 이번 공개는 데이터 구축 비용 절감의 직접적인 기회다. 실제 로봇 반복 시연에 드는 장비·인력 비용을 줄이면서도 동등한 학습 품질을 확보할 수 있다. G0-Dataset을 기반 데이터로 삼아 자체 태스크에 맞는 소량의 실제 로봇 데이터를 추가하는 방식이 가장 현실적인 진입 경로다. HuggingFace에서 데이터셋을 내려받고, GitHub 코드로 파이프라인을 구성하면 별도 라이선스 비용 없이 연구에 즉시 활용할 수 있다.
