구글·엔비디아에 도전장… Ai2, 공간 추론 탑재 로봇AI ‘MolmoAct’ 공개

물리적 AI 분야의 주도권을 놓고 벌어지는 경쟁에 새로운 도전자가 등장했다. 비영리 연구기관인 앨런 인공지능 연구소(Ai2)가 공개한 ‘MolmoAct 7B’는 로봇이 3차원 공간에서 스스로 판단하고 행동할 수 있도록 설계된 오픈소스 인공지능 모델이다. 이 모델은 엔비디아(NVDA), 구글(GOOGL) 등 빅테크 기업이 주도해 온 로보틱스 AI 분야에 강력한 도전장을 던졌다는 점에서 주목된다.

MolmoAct는 Ai2가 이전에 선보였던 비전-언어 통합 모델 ‘Molmo’를 기반으로 발전됐다. 기존 로봇 AI 대부분은 2차원적인 시각과 언어 데이터로 과제를 수행하지만, MolmoAct는 공간 추론 능력을 통해 3D 물리 환경을 이해하고 상황에 적절한 행동을 유도한다는 점에서 차별화된다. 이 모델은 ‘공간에 기반한 지각 토큰’을 활용해 물체 간 거리나 구조적 특성까지 파악한 다음, 로봇의 움직임에 필요한 경로와 행동 시퀀스를 예측해낸다.

Ai2 측은 “기존 비전·언어·행동(VLA) 모델과 달리 MolmoAct는 공간 이해 능력이 내장돼 있어 로봇의 학습 효율성과 범용성이 한층 뛰어나다”고 설명했다. 실제로 다양한 유형의 로봇 팔부터 인간형 로봇까지 여러 형태에도 최소한의 튜닝만으로 적용할 수 있었다는 점은 범용 로봇 AI 모델로서의 가능성을 키운다.

벤치마크 테스트에서도 두각을 보였다. Ai2에 따르면 MolmoAct 7B는 72.1%의 과제 성공률을 기록하며, 구글, 마이크로소프트(MSFT), 엔비디아가 개발한 모델들을 앞섰다. 이는 제한된 물리 환경 하에서 수집한 학습 데이터로도 충분한 실행 성능을 확보했다는 의미다.

업계 전문가들도 긍정적인 반응을 보이고 있다. 오리건 주립대의 앨런 펀(Alan Fern) 교수는 “3D 공간에서의 추론 능력을 탑재한 점은 질적으로 중요한 전환점”이라며 “아직까지는 통제된 환경이지만 현실 과제를 내다보는 기틀을 마련했다”고 평가했다. 물류 인공지능 스타트업 Gather AI의 공동창업자 다니엘 마투라나(Daniel Maturana)는 “모델과 데이터셋을 모두 공개한 점이 학계와 연구자들에게 기회가 될 것”이라고 덧붙였다.

MolmoAct는 가정 내 환경처럼 비정형적이고 계속 변화하는 공간에서 로봇이 실시간으로 반응해야 하는 상황에 특히 효과적인 것으로 평가된다. 영상 데이터를 토큰화하거나 기하 구조를 해석하고, 각 위치에 따른 경로를 이미지 형태로 생성하며 이후 실제 동작 명령까지 내릴 수 있어 로봇 자동화의 새로운 장을 열어갈 기술로 주목된다.

MolmoAct의 등장은 최근 물리적 인공지능(Physical AI)에 대한 관심이 고조되는 흐름 속에서 이뤄졌다. 구글의 SayCan, 메타와 뉴욕대가 공동 개발한 OK-Robot, 그리고 허깅페이스(Hugging Face)가 선보인 299달러(약 43만 원)짜리 소형 로봇까지 다양한 기술들이 등장하고 있다. 엔비디아는 물리 AI를 차세대 핵심 영역으로 지목하며, 시뮬레이션 기반 모델 ‘Cosmos-Transfer1’을 통해 로봇 학습 현실화를 시도하고 있다.

LLM(대규모 언어 모델)의 진화는 이제 로봇이 스스로 판단하고 행동하는 물리적 지능으로 확장되고 있다. 이전까지는 개발자가 일일이 프로그래밍해야 했던 로봇의 움직임이, 이제는 AI가 객체를 인식하고 문맥을 이해한 뒤 다음 행동을 예측하는 방식으로 바뀌고 있다. 이는 로봇이 보다 영리해지고, 실제 환경에 적응하는 데 획기적인 진전을 의미한다.

OSU의 펀 교수는 “이제는 모델과 기술이라는 씨앗이 존재하기 때문에, 물리 지능 분야의 진입 문턱이 낮아지고 있다”고 말했다. 이어 “아직 갈 길은 멀지만, 물리 AI는 향후 AI 산업에서 가장 역동적인 분야로 성장할 가능성이 크다”고 전망했다.