Agility A2 VR 원격 조작 VLA 스위트: 체화된 AI 연구 및 로봇 학습을 위한 멀티 모델 플랫폼
인공지능이 시뮬레이션 단계를 넘어 실제 로봇 작업에 적용되기 시작하면서 연구원과 개발자들은 로봇 팔 그 이상의 것을 필요로 합니다. 고품질 데이터를 수집하고, 다양한 가상 로봇 자동화(VLA) 모델을 지원하며, 실제 환경에서 로봇 학습 워크플로우를 검증할 수 있는 완벽한 플랫폼이 필요한 것입니다.
Agility A2 VR 원격 조작 VLA 스위트는 이러한 목적을 위해 설계되었습니다. 이 스위트는 듀얼 암 로봇 조작, 몰입형 VR 원격 조작, 멀티 카메라 3D 비전, 동기화된 데이터 수집 및 VLA 지원 소프트웨어 파이프라인을 결합합니다. 더욱 중요한 것은 ACT, SmoLVLA, Pi0, Pi0.5 및 XVLA를 포함한 다양한 VLA 모델 옵션을 지원하여 연구원과 개발자에게 체화된 AI 실험을 위한 더 큰 유연성을 제공한다는 점입니다.
Agility A2 VLA 제품군은 어떤 문제를 해결합니까?
많은 로봇 공학 팀이 동일한 문제에 직면합니다. 인공지능 모델, 시뮬레이션 도구 또는 연구 아이디어는 있지만, 실제 데이터 수집 및 모델 검증을 위한 실용적인 로봇 플랫폼이 부족한 것입니다.
VLA 모델은 시각적 입력, 로봇 상태 데이터, 동작 데이터 및 실제 작업 실행을 필요로 합니다. 하드웨어, 카메라, 제어 시스템 및 소프트웨어 파이프라인이 제대로 통합되지 않으면 연구원들은 아이디어 테스트보다는 인프라 구축에 너무 많은 시간을 허비할 수 있습니다.
Agility A2 VR 원격 조작 VLA 스위트는 원격 조작, 데이터 수집, 모방 학습, VLA 훈련 및 실시간 추론을 위한 통합 듀얼 암 플랫폼을 제공하여 이러한 문제를 해결하는 데 도움을 줍니다. 이를 통해 팀은 사람의 시연에서 로봇 학습으로, 모델 테스트에서 작업 실행으로 더 빠르게 전환할 수 있습니다.
이 제품은 어떤 VLA 모델을 지원합니까?
Agility A2 VLA Suite의 주요 장점 중 하나는 다양한 VLA 모델을 지원한다는 점입니다. 지원되는 VLA 모델 구조에 따라 시스템은 다음과 같은 모델과 연동하여 작동할 수 있습니다.
ACT — 기본값
SmoLVLA — 선택 사항
Pi0 — 선택 사항
Pi0.5 — 선택 사항
XVLA — 선택 사항
즉, 사용자는 ACT를 기본 추론 모델로 선택하여 시작할 수 있을 뿐 아니라, 연구 방향, 컴퓨팅 구성 및 작업 요구 사항에 따라 다른 VLA 모델을 탐색할 수 있는 유연성도 누릴 수 있습니다.
연구실, 대학 및 로봇 스타트업에게 이러한 다중 모델 지원은 중요합니다. 모델은 파지, 집기, 배치, 접기, 도구 사용 또는 장거리 조작과 같은 다양한 작업에서 더 나은 성능을 보일 수 있습니다. 사용자는 하나의 모델 파이프라인에 국한되지 않고 동일한 로봇 플랫폼에서 다양한 VLA 기반 접근 방식을 비교, 검증 및 개발할 수 있습니다.
ACT는 어떻게 신속한 VLA 워크플로우 검증을 지원합니까?
ACT는 기본 모델로 지원되므로 VLA 추론 및 작업 검증을 빠르게 시작하려는 사용자에게 적합합니다.
인공지능 기반 로봇 공학이나 VLA 기반 로봇 공학을 처음 접하는 팀에게는 기본 모델 옵션이 매우 유용합니다. 초기 설정 장벽을 낮추고 데모 수집, 행동 정책 학습, 로봇 동작 테스트를 위한 실용적인 출발점을 제공합니다.
ACT를 사용하면 사용자는 물체 잡기, 물체 이동, 집어 옮기기, 접기 또는 간단한 조립 워크플로와 같은 기본 조작 작업에 집중할 수 있습니다. 따라서 교육 실험실, AI 로봇 공학 강좌 및 초기 단계 개념 검증에 적합합니다.
선택적 VLA 모델은 연구 가능성을 어떻게 확장하는가?
ACT는 훌륭한 출발점을 제공하지만, 고급 사용자는 더 많은 모델 유연성이 필요할 수 있습니다. 바로 이 부분에서 SmoLVLA, Pi0, Pi0.5 및 XVLA에 대한 선택적 지원이 유용해집니다.
SmoLVLA는 경량 또는 효율적인 VLA 워크플로우를 연구하는 팀에서 사용할 수 있습니다. Pi0 및 Pi0.5는 새로운 VLA 모델 구조와 작업 실행 전략을 실험할 수 있는 추가 옵션을 제공합니다. XVLA는 로봇 조작 시나리오에서 다양한 비전-언어-행동 기능을 테스트하려는 사용자에게 또 다른 선택지를 제공합니다.
이러한 선택적 모델의 가치는 단순히 모델 다양성에만 있는 것이 아닙니다. 사용자는 이를 통해 다양한 작업, 데이터 세트 및 제어 전략에 걸쳐 성능을 비교할 수 있습니다. 대학 연구실에서는 이 플랫폼을 모델 비교에 활용할 수 있고, 스타트업에서는 어떤 모델이 상업적 응용 분야에 더 적합한지 테스트하는 데 사용할 수 있습니다. 산업 연구 개발팀은 이 플랫폼을 사용하여 VLA 모델이 통제된 환경에서 특정 반복 작업을 처리할 수 있는지 검증할 수 있습니다.
왜 다중 모델 지원은 체화된 AI에 중요한가?
인공지능 기반 기술은 여전히 빠르게 발전하고 있습니다. 어떤 단일 모델도 모든 로봇 작업을 완벽하게 해결할 수는 없습니다. 한 작업에서 뛰어난 성능을 보이는 모델이 다른 작업에서는 최적의 선택이 아닐 수도 있습니다.
예를 들어, 한 모델은 단기적인 물건 집기 및 놓기 작업에 더 적합할 수 있는 반면, 다른 모델은 시각적 이해, 객체 상호 작용 및 지속적인 동작 계획을 포함하는 더 복잡한 시퀀스에 더 적합할 수 있습니다.
Agility A2 VLA Suite는 ACT, SmoLVLA, Pi0, Pi0.5 및 XVLA를 지원하여 연구원들에게 더욱 다양한 실험 환경을 제공합니다. 사용자는 데이터를 한 번만 수집하고, 다양한 모델 파이프라인을 테스트하며, 실제 로봇 환경에서 각 모델의 성능을 평가할 수 있습니다.
이러한 특징 덕분에 이 플랫폼은 체화된 AI 연구, 모방 학습, VLA 훈련, 로봇 학습 실험 및 시뮬레이션-실제 검증에 특히 적합합니다.
VR 원격조작이 VLA 데이터 수집에 어떻게 도움이 되나요?
고품질 로봇 학습은 고품질 데모 데이터에서 시작됩니다. Agility A2 VLA Suite는 VR 원격 조작을 통해 사용자가 더욱 자연스럽고 몰입감 있는 방식으로 이중 팔 로봇을 제어할 수 있도록 합니다.
VR 헤드셋을 사용하면 작업자가 로봇에게 작업을 안내하는 동안 시스템은 동기화된 시각 데이터, 로봇 상태 데이터 및 동작 데이터를 기록합니다. 이러한 워크플로는 로봇이 인간의 시연을 통해 학습하는 모방 학습에 특히 유용합니다.
기존 제어 방식과 비교했을 때, VR 원격 조작은 시연 데이터 수집을 더욱 직관적으로 만들어 줍니다. 조작자는 양팔을 조종하고, 작업 환경을 관찰하며, 후속 학습 및 추론을 위한 작업 데이터를 생성할 수 있습니다.
VLA 연구에 있어 이는 인간의 조작과 자율 로봇 학습 사이의 실질적인 연결고리를 만들어줍니다.
다중 카메라 3D 비전은 로봇 학습을 어떻게 향상시키는가?
VLA 모델은 시각 정보에 크게 의존합니다. Agility A2 VLA Suite는 헤드 카메라와 손목 카메라를 포함한 멀티 카메라 3D 비전 시스템을 통합하여 다양한 관점에서 작업 공간을 캡처합니다.
머리 카메라는 주변 환경에 대한 더 넓은 시야를 제공하고, 손목 카메라는 그리퍼 근처의 근접 시각 정보를 제공합니다. 이러한 조합은 전체적인 장면 이해와 국소적인 객체 상호 작용이 모두 중요한 조작 작업에 유용합니다.
예를 들어 로봇이 물체를 집어 올릴 때, 머리 카메라는 전체적인 상황을 파악하는 데 도움을 주고, 손목 카메라는 목표 물체 주변의 상세한 시각적 피드백을 캡처할 수 있습니다. 이처럼 동기화된 RGB-D 데이터는 보다 정확한 VLA 학습과 더욱 안정적인 실시간 추론을 지원할 수 있습니다.
연구자들은 이 플랫폼을 어떻게 활용할 수 있을까요?
Agility A2 VLA Suite는 완벽한 AI 워크플로우 구현을 지원할 수 있습니다.
먼저, 사용자는 VR 원격 조작을 통해 로봇을 제어하고 실제 조작 작업을 수행합니다. 그런 다음 시스템은 카메라 입력, 로봇 움직임 및 동작 정보를 포함한 동기화된 데이터를 캡처합니다. 수집된 데이터는 VLA 파이프라인을 통해 모방 학습, 모델 훈련 및 추론 테스트 단계로 처리됩니다. 마지막으로, 훈련된 모델을 로봇에 다시 배포하여 자율적인 작업 실행을 수행할 수 있습니다.
이 워크플로는 사용자가 VLA 모델이 데모 데이터에서 실제 로봇 동작으로 전환될 수 있는지 여부를 테스트하는 데 도움이 됩니다.
일반적인 연구 과제에는 물체 잡기, 물품 분류, 접기, 조립, 삽입, 운반, 선반 배치 및 기타 양팔 조작 실험이 포함될 수 있습니다.
Agility A2가 양팔 조작에 적합한 이유는 무엇일까요?
실생활에서 많은 작업에는 두 손이 필요합니다. 천을 접거나, 물건을 옮기거나, 물건을 고정하거나, 포장을 뜯거나, 물건을 배열하거나, 부품을 조립하는 등의 작업에는 종종 양손의 협응력이 요구됩니다.
Agility A2 플랫폼은 7자유도(DOF) 로봇 팔 두 개를 탑재하여 사람과 유사한 양팔 조작이 가능하도록 설계되었습니다. 따라서 양팔의 협력이 필요한 작업을 수행할 때, 단일 팔 시스템에 비해 인공지능(AI) 실체화 연구에 더욱 적합합니다.
VLA 훈련에 있어 양팔 데이터는 모델이 더욱 복잡한 상호작용 패턴을 학습할 수 있도록 해주기 때문에 매우 유용합니다. 단순히 한쪽 팔로만 뻗거나 잡는 동작만 학습하는 데 그치지 않고, 양팔을 모두 사용하는 더욱 정교한 조작 워크플로우를 지원할 수 있게 됩니다.
이 플랫폼은 누구를 위해 설계되었습니까?
Agility A2 VR 원격 조작 VLA 스위트는 대학, AI 로봇 연구소, 교육 실험실, 산업 연구 개발팀 및 첨단 로봇 스타트업에 적합합니다.
대학에서는 인공지능 실전 교육, 로봇 학습 실험, 학생 연구 프로젝트에 활용할 수 있습니다. 연구실에서는 VLA 모델 테스트, 모방 학습, 실제 환경 조작 연구를 위한 실용적인 플랫폼을 제공합니다. 스타트업 및 연구 개발팀은 보다 전문적인 로봇 시스템을 구축하기 전에 신속한 개념 증명 검증을 지원할 수 있습니다.
이 플랫폼은 ROS2, NVIDIA Isaac, MoveIt, MuJoCo, Python, C++, URDF, VLA 및 IK 관련 개발을 지원하기 때문에 개발자에게 통합 및 2차 개발에 더 많은 유연성을 제공합니다.
로봇을 처음부터 직접 제작하는 대신 VLA 지원 플랫폼을 선택해야 하는 이유는 무엇일까요?
VLA 로봇 시스템을 처음부터 구축하는 것은 시간이 많이 걸릴 수 있습니다. 팀은 로봇 팔, 카메라, VR 제어, 데이터 수집, 통신, 시뮬레이션 도구, 동작 계획 및 AI 모델 파이프라인을 통합해야 합니다.
Agility A2 VLA Suite는 데이터 수집, 원격 조작, 학습 및 추론을 위한 더욱 완벽한 플랫폼을 제공하여 개발 부담을 줄여줍니다. 사용자는 기본적인 하드웨어-소프트웨어 통합에 소요되는 시간을 줄이고 모델 성능, 작업 설계, 데이터셋 품질 및 애플리케이션 검증에 더 많은 시간을 투자할 수 있습니다.
실체화된 AI를 개발하는 팀의 경우, 이는 개발 효율성을 크게 향상시킬 수 있습니다.
결론
Agility A2 VR 원격 조작 VLA 스위트는 단순한 듀얼 암 로봇 플랫폼 그 이상입니다. 이는 인공지능 구현, VLA 훈련, 모방 학습 및 실제 로봇 조작을 위한 완벽한 연구 준비 시스템입니다.
ACT를 기본 모델로 사용하고 SmoLVLA, Pi0, Pi0.5 및 XVLA에 대한 선택적 지원을 제공하는 이 플랫폼은 연구원과 개발자에게 하나의 통합 로봇 시스템에서 다양한 VLA 워크플로우를 탐색할 수 있는 유연성을 제공합니다.
Agility A2는 VR 원격 조작, 다중 카메라 3D 비전, 동기화된 데이터 수집, 양팔 조작 및 ROS2/NVIDIA Isaac 호환 개발 도구를 결합하여 인간의 시연에서 로봇 학습으로, AI 모델 테스트에서 실제 작업 실행으로 이어지는 과정을 가속화하는 데 도움을 줍니다.
실용적인 VLA 지원 듀얼 암 플랫폼을 찾는 대학, 연구소 및 로봇 공학 팀에게 Agility A2 VR 원격 조작 VLA 제품군은 차세대 인공지능 연구를 위한 강력한 기반을 제공합니다.
