Synthetic data · Simulation infrastructure · Physical AI
We Create Amazing Simulated World for Real Robot.
The complete learning infrastructure for physical AI.
Physical AI 발전의 난제 - 심각한 데이터 부족
방대한 스케일의 인터넷 텍스트 데이터를 기반으로 발전해 온 언어 모델과 달리, 현실 세계의 물리 상호작용 데이터를 필요로 하는 로보틱스 분야는 실 데이터 수집에 천문학적인 비용이 소요됩니다. 크롤링으로 확보할 수 있는 영역이 아니며, 숙련된 작업자가 로봇을 직접 조작해 한 에피소드씩 축적해야 합니다.
글로벌 주요 연구 기관의 해법은 하나로 수렴합니다 — 바로 '시뮬레이션'입니다.
우리가 제시하는 두 개의 엔진 :
완벽한 물리 검증, 사실적 렌더링
파이프라인 · 5단계 · 검증 통과 에피소드만 기록
동작을 서술하면, 검증된 데이터가 생성됩니다.
자연어 한 줄이 물리 검증을 통과한 에피소드로 완성됩니다. 요청이 입력되면 카탈로그에서 대상 물체를 선별하고, 목표 좌표를 지정하며, 씬 배치까지 자동으로 구성합니다. 배치의 타당성은 실행 이전에 검증합니다.
검증은 최종 단계에 배치된 검수 절차가 아니라, 생성 루프 내부에서 상시 동작합니다. 실패한 시도는 즉시 폐기되고 다른 후보·시드로 자동 재실행되며, 이 과정은 병렬 슬롯에서 동시에 처리됩니다. 결과물을 사람이 직접 선별할 필요가 없습니다.
배울 만큼 정확하고,
믿을 만큼 현실적입니다.
물리적 정합성과 정교한 렌더링, 그 어느 것 하나 놓치지 않습니다.
베이스 데이터를 신속하게 생성하고, 단 한 프레임을 렌더링하기 전에 무결성을 확인합니다. 대부분의 파이프라인은 순서가 반대입니다 — 렌더링을 먼저 수행하고 사후에 검증합니다. 우리의 데이터 파이프라인에서는 물리적 정합성이 확보되지 않은 데이터를 고품질로 렌더링하지 않습니다. 빠르고, 경제적입니다.
검증을 통과한 에피소드만 렌더링 파이프라인으로 이관됩니다. 물리 기반 렌더링과 광원 시뮬레이션이 시각적 Sim-to-Real Gap을 최소화하며, 관절과 액추에이터의 물리 속성은 변환 과정에서 손실 없이 유지됩니다.
궤적은 고정한 채 조명 · 물체 배치 · 바닥 재질만 변형합니다. 하나의 동작이 모델에게는 전혀 다른 수십 개의 상황으로 인식됩니다.
01
02
03
합성데이터셋 · RGB · 궤적 · 촉각
촉각까지 갖춘 완전한 멀티모달 에피소드
하나의 동작에서 모든 채널이 동시에 생성됩니다. 1인칭·3인칭 RGB, LeRobot 스키마의 관절 궤적, 타임스텝 단위로 기록되는 센서별 접촉력까지 포함됩니다. Depth · 근접 · 세그멘테이션 · 물체 포즈는 요청에 따라 동일 에피소드로 확장됩니다.
LEROBOT SCHEMA
단일 에피소드당 동일한 타임스탬프로 1인칭 비디오, LeRobot data, 그리고 촉각 정보가 포함된 Sim-tactile 정보가 산출됩니다. 시각 · 입력값 · 촉각을 하나의 에피소드에 통합된 데이터셋으로 제공하여 로봇을 학습시킬 수 있습니다.
그 외 다양한 멀티모달 데이터도 제공 가능합니다.
THIRD-PERSON RGB
WRIST VIEW
DEPTH
AMODAL MASK
SEGMENTATION
범용 로봇의 정밀 동작 제어를 위한 기술 : UDM (Unified Dextrous Manipulator)
UDM은 범용 로봇의 정밀 동작 제어를 위한 자체 프레임워크이며, 파지와 궤적 데이터를 라이브러리로 축적하고 있습니다. 핸드 구조나 로봇 플랫폼이 달라져도 동일한 태스크 정의를 그대로 사용합니다.
UDM의 범용성 ① - 범용 로보틱스 모델과 특수 목적 플랫폼 모두 대응
핸드 라이브러리 · 하나의 프레임워크로 다양한 핸드·휴머노이드 제어
UDM의 범용성 ② - 다양한 핸드형태와 파지법 대응
in progress
로봇 학습에 필요한 '인프라' 전체를 만듭니다.
로봇 학습용 에피소드 데이터만을 필요로 하는 팀이 있고, 그 에피소드를 생성하는 환경 자체를 필요로 하는 팀이 있습니다. 당사는 양쪽 모두를 구축하며, 그 기반이 되는 어셋과 시뮬레이터까지 단일 스택으로 제공합니다. 물리와 어셋과 좌표계가 서로 어긋나지 않도록 하기 위함입니다.
매장 · 창고 · 생산 라인 · 서비스 카운터 — 근사치가 아니라 집기 단위의 치수 정확도로 구축합니다. 씬 · 로봇 · 태스크가 독립된 모듈로 분리되어 있어, 환경은 재구축이 아니라 재조합으로 확보됩니다.
도메인 랜덤화는 설계 단계부터 내장되어 있습니다. 기반 씬을 수정하지 않고 물체 · 조명 · 태스크 조건만 변경합니다.
실물 장비는 동시에 연습하고 시연하고 데이터를 수집할 수 있는 인원을 제한합니다. 라인 1개, 작업자 1인, 세션 1회가 한계입니다. 태스크 전용 시뮬레이터는 이 제약을 근본적으로 제거합니다.
제어 인터페이스는 실제 로봇과 동일합니다. ROS 연동과 VR 원격조작을 지원하므로, 작업자의 기존 워크플로를 그대로 이어갈 수 있습니다.
물성 · 충돌 메시 · 관절 구조를 갖춘 물체입니다. 씬에 투입하기까지 일주일의 정리 작업이 필요한 스캔 메시가 아니라, 수령 즉시 물리 연산이 가능한 상태로 제공됩니다. 다양한 Sim-Ready 어셋을 확보하고 있으며, 목록에 없는 물체는 자체 제작 파이프라인으로 직접 생산합니다.
실물로 확보하기 어렵거나 고가인 물체는 직접 모델링해 대체합니다.
데이터만 공급하지 않습니다.
그 데이터를 평가하는 기준까지 구축합니다.
데이터의 물리적 정합성을 검증하고 품질을 평가하는 프레임워크부터, 휴머노이드의 정밀 동작을 측정하는 벤치마크까지 연구·개발하고 있습니다. 측정이 의미를 가지려면 측정이 수행되는 환경 자체가 정확해야 하므로, 환경 · 로봇 · 태스크 모듈과 벤치마크의 일반화 범위를 좌우하는 랜덤화 설계까지 함께 다룹니다.
또한 월드 모델 영역에서도, 월드 모델의 제로샷 예측 능력과 생성 영상의 3D · 공간 표현 일관성을 측정하는 벤치마크 플랫폼을 산학 공동으로 연구하고 있습니다. 무엇을 잘하는지 주장하기 전에, 무엇을 못하는지부터 측정할 수 있어야 하기 때문입니다.
PHYSICS SIM Lab은 합성 데이터 품질 기준의 글로벌 기준점을 제시합니다.
당신의 로봇에게 무엇을 학습시키고 싶은지 알려주세요.
사전학습용 에피소드, 태스크별 파인튜닝 데이터, 생산 라인의 디지털 트윈, 그리고 이를 구동할 시뮬레이터 — 필요한 것이 무엇이든 태스크에 대한 논의부터 시작하시면 됩니다.
ask-psl@pslab.ai