GTC 2024 Jensen Huang 키노트 (2024년 3월 18일) — Physical AI의 시작을 알린 순간
Physical AI, 왜 갑자기 주목받는가?
2024년, NVIDIA의 Jensen Huang이 GTC에서 “Physical AI”를 선언한 이후, 이 키워드는 AI 업계의 핵심 화두가 되었습니다.
ChatGPT가 지식 노동의 세계를 바꿨듯이, 이제 AI가 물리적 세계까지 확장될 것이라는 기대가 커지고 있습니다. 로봇이 빨래를 개고, 물류를 정리하고, 커피를 만드는 미래. 많은 사람들이 그 미래가 가까워졌다고 느끼고 있습니다.
이 지식 창고는 Physical AI를 이해하기 위한 가이드입니다.
입문 가이드: 순서대로 읽기
Physical AI를 체계적으로 이해하고 싶다면, 아래 문서를 순서대로 읽어보세요.
1. Physical AI의 정의
Physical AI란 무엇인가? 용어의 등장 배경과 범주 정의
2. Specialist에서 Generalist로
과거 로봇은 Specialist였습니다. Physical AI가 추구하는 것은 Generalist입니다.
3. RFM & VLA란 무엇인가
Generalist 로봇을 구현하는 핵심 기술, VLA(Vision-Language-Action) 모델
4. Action Data Scaling 문제
VLA가 LLM처럼 쉽게 성공할 수 없는 이유: 데이터
더 깊이 탐색하기
입문 가이드를 마친 후, 관심 있는 주제를 자유롭게 탐색해보세요.
인사이트 에세이
- VLA & RFM 발전 과정 - VLA와 RFM의 진행 중인 발전
- Teleoperation - 사람이 로봇을 조종하며 데이터 수집
- Non-Teleop 데이터 - 다른 방식의 데이터 수집
- 시뮬레이션 & World Model - 가상 환경 활용
- 휴머노이드 디자인 - 왜 휴머노이드인가?
- 촉각 센싱 - 시각만으로는 부족하다
- Physical vs Cognitive AI - 지능의 두 측면
- 커뮤니티 접근 - 오픈소스 생태계
모델, 기업, 하드웨어
좌측 사이드바에서 모델, 기업, 하드웨어, 인물을 탐색하거나, **그래프 색인**을 활용해보세요.
관련 외부 리소스
- LeRobot - HuggingFace - 오픈소스 로봇 학습 프레임워크
- Open X-Embodiment - 크로스 로봇 데이터셋
- NVIDIA Isaac - 로봇 시뮬레이션 플랫폼