사람의 움직임을 로봇 학습 데이터로 바꾸는 방식

사용자가 작업을 수행하는 동안 AperEgo의 헤드셋은 파노라마 형태의 1인칭 시야를 기록한다. 센서는 시각 정보와 움직임, 음성 입력을 서로 맞춰 기록하고, 손목·손가락 장치는 팔과 손, 손가락의 세부 동작을 추가한다.

이렇게 모인 데이터는 단순한 영상 기록을 넘어선다. 예를 들어 사람이 물체를 바라본 시점, 손을 뻗은 방향, 물체를 쥔 방식과 조작 과정이 하나의 작업 흐름 안에서 연결될 수 있다. 이는 물체를 집거나 다루는 정교한 조작 능력을 학습해야 하는 로봇에 특히 중요한 정보다.

데이터 처리 흐름은 다음과 같다.

1. 수집: 사용자가 작업을 수행하는 동안 AperEgo가 1인칭 시각·동작·음성 데이터를 기록한다.
2. 손동작 추가: 손목과 손가락 장치가 뻗기, 잡기, 조작하기와 관련된 세부 움직임을 포착한다.
3. 동기화: 서로 다른 센서에서 들어온 정보를 정렬해 같은 행동을 여러 데이터 유형으로 설명할 수 있게 한다.
4. 필터링: AperOS가 업로드와 후속 처리 전에 회사가 유효하지 않다고 판단한 기록을 걸러낸다.
5. 학습용 데이터 준비: 남은 데이터셋을 체화형 AI 모델 개발과 로봇 학습 과정 개선에 활용한다.

51World가 주장하는 성능 개선은

51World의 최고경영자 리이(Li Yi)는 하드웨어와 소프트웨어를 통합한 시스템을 통해 데이터 정밀도를 **99%**까지 높일 수 있다고 밝혔다. 그는 정밀도가 높아지면 로봇 학습의 정확도와 효율이 개선되며, 데이터 수집·활용·모델 훈련·일반화 전반에서 효율 향상이 가능하다고 설명했다.

다만 이 수치는 51World가 제시한 주장으로 봐야 한다. 현재 공개된 보도에는 99%라는 수치를 검증한 외부 시험 절차나 비교 데이터셋, 독립적인 평가 결과가 제시돼 있지 않다. 기록이 더 정돈되고 일관돼도 최종 로봇 성능은 사용한 모델과 하드웨어, 수행 작업, 실제 운영 환경, 평가 방식에 따라 달라질 수 있다.

왜 로봇 산업에서 데이터 계층이 중요한가

휴머노이드 로봇은 변화하는 물리적 환경에서 주변을 인식하고 몸을 움직이며 물체를 조작해야 한다. 사람이 실제로 수행한 작업을 정밀하게 기록한 데이터는 로봇이 사물과 공간, 미세한 손동작에 보다 안정적으로 대응하도록 훈련하는 데 도움을 줄 가능성이 있다.

따라서 51World의 이번 제품은 휴머노이드 로봇 자체를 만드는 기술이라기보다, 로봇이 학습할 수 있는 현실 세계의 사례를 수집하고 정제하는 데이터 파이프라인에 초점을 맞춘다.

이 같은 접근이 주목받는 배경에는 중국 휴머노이드 로봇 산업의 상용화 움직임도 있다. 시장조사업체 트렌드포스는 중국 휴머노이드 로봇 시장이 대량 생산 확대와 적용 분야 확장에 힘입어 2026년 150억 위안(약 22억 달러) 규모에 도달하고, 2027년에도 최소 60% 성장할 것으로 전망했다. 자동차, 3C 전자제품, 항공우주, 물류, 에너지 등이 주요 적용 분야로 거론된다.

이 시장 전망이 AperEgo나 AperOS가 실제 성장을 이끌 것이라는 의미는 아니다. 다만 로봇이 시연 단계에서 반복 가능하고 실용적인 현장 배치 단계로 넘어갈수록, 물리적 세계에서 수집한 데이터를 체계적으로 정리하고 대규모로 공급하는 인프라의 전략적 중요성이 커진다는 점은 보여준다.

사람의 움직임을 로봇 학습 데이터로 바꾸는 방식

사용자가 작업을 수행하는 동안 AperEgo의 헤드셋은 파노라마 형태의 1인칭 시야를 기록한다. 센서는 시각 정보와 움직임, 음성 입력을 서로 맞춰 기록하고, 손목·손가락 장치는 팔과 손, 손가락의 세부 동작을 추가한다.

이렇게 모인 데이터는 단순한 영상 기록을 넘어선다. 예를 들어 사람이 물체를 바라본 시점, 손을 뻗은 방향, 물체를 쥔 방식과 조작 과정이 하나의 작업 흐름 안에서 연결될 수 있다. 이는 물체를 집거나 다루는 정교한 조작 능력을 학습해야 하는 로봇에 특히 중요한 정보다.

데이터 처리 흐름은 다음과 같다.

1. 수집: 사용자가 작업을 수행하는 동안 AperEgo가 1인칭 시각·동작·음성 데이터를 기록한다.
2. 손동작 추가: 손목과 손가락 장치가 뻗기, 잡기, 조작하기와 관련된 세부 움직임을 포착한다.
3. 동기화: 서로 다른 센서에서 들어온 정보를 정렬해 같은 행동을 여러 데이터 유형으로 설명할 수 있게 한다.
4. 필터링: AperOS가 업로드와 후속 처리 전에 회사가 유효하지 않다고 판단한 기록을 걸러낸다.
5. 학습용 데이터 준비: 남은 데이터셋을 체화형 AI 모델 개발과 로봇 학습 과정 개선에 활용한다.

51World가 주장하는 성능 개선은

51World의 최고경영자 리이(Li Yi)는 하드웨어와 소프트웨어를 통합한 시스템을 통해 데이터 정밀도를 **99%**까지 높일 수 있다고 밝혔다. 그는 정밀도가 높아지면 로봇 학습의 정확도와 효율이 개선되며, 데이터 수집·활용·모델 훈련·일반화 전반에서 효율 향상이 가능하다고 설명했다.

다만 이 수치는 51World가 제시한 주장으로 봐야 한다. 현재 공개된 보도에는 99%라는 수치를 검증한 외부 시험 절차나 비교 데이터셋, 독립적인 평가 결과가 제시돼 있지 않다. 기록이 더 정돈되고 일관돼도 최종 로봇 성능은 사용한 모델과 하드웨어, 수행 작업, 실제 운영 환경, 평가 방식에 따라 달라질 수 있다.

왜 로봇 산업에서 데이터 계층이 중요한가

휴머노이드 로봇은 변화하는 물리적 환경에서 주변을 인식하고 몸을 움직이며 물체를 조작해야 한다. 사람이 실제로 수행한 작업을 정밀하게 기록한 데이터는 로봇이 사물과 공간, 미세한 손동작에 보다 안정적으로 대응하도록 훈련하는 데 도움을 줄 가능성이 있다.

따라서 51World의 이번 제품은 휴머노이드 로봇 자체를 만드는 기술이라기보다, 로봇이 학습할 수 있는 현실 세계의 사례를 수집하고 정제하는 데이터 파이프라인에 초점을 맞춘다.

이 같은 접근이 주목받는 배경에는 중국 휴머노이드 로봇 산업의 상용화 움직임도 있다. 시장조사업체 트렌드포스는 중국 휴머노이드 로봇 시장이 대량 생산 확대와 적용 분야 확장에 힘입어 2026년 150억 위안(약 22억 달러) 규모에 도달하고, 2027년에도 최소 60% 성장할 것으로 전망했다. 자동차, 3C 전자제품, 항공우주, 물류, 에너지 등이 주요 적용 분야로 거론된다.

이 시장 전망이 AperEgo나 AperOS가 실제 성장을 이끌 것이라는 의미는 아니다. 다만 로봇이 시연 단계에서 반복 가능하고 실용적인 현장 배치 단계로 넘어갈수록, 물리적 세계에서 수집한 데이터를 체계적으로 정리하고 대규모로 공급하는 인프라의 전략적 중요성이 커진다는 점은 보여준다.