Physical Intelligence가 로봇 모델을 맞춤 학습하는 API 베타를 시작했다

Physical Intelligence가 최신 로봇 기반 모델을 맞춤 학습하고 쓸 수 있는 Pi API 베타를 공개했습니다. 개발자는 데이터를 올려 회사가 관리하는 컴퓨팅 인프라에서 모델을 미세 조정(fine-tuning)합니다. 학습한 모델은 호스팅 게이트웨이(gateway)로 추론(inference)에 씁니다. 학습부터 사용까지 한 서비스 안에서 잇는 방식이 제 눈에 남습니다.

Physical Intelligence가 공개한 π0.7은 작업의 다음 단계를 이미지로 생성하는 경량 모델을 활용했습니다. 이번 Pi API 베타는 개발자가 자기 데이터를 보태 모델을 맞춤 학습하는 경로를 열어, 모델 개발과 현장 적용을 잇습니다.

로봇 모델을 새 작업에 적용하려면 머신러닝 인프라와 컴퓨팅 자원, 복잡한 데이터 파이프라인이 필요했습니다. 이번 베타는 그 학습을 Physical Intelligence의 관리 인프라에서 돌리고, 호스팅 경로로 이어 쓰게 합니다. 학습 환경을 먼저 꾸리는 부담을 덜어 준다는 점이 반갑습니다.

Physical Intelligence는 π0와 π0.5가 새 작업과 환경, 로봇에 적응하는 데 필요한 데이터와 노력을 줄인다고 설명합니다. 다만 데이터가 얼마나 줄고 작업별 성능이 얼마나 나아지는지는 공개된 수치가 없습니다. 회사는 실제 배치 기업들과 여러 작업·하드웨어·운영 환경에서 적응성을 검증하고 있습니다. 데이터 투입량이 줄어드는 이점과 내 로봇에서의 성능은 따로 확인해야 합니다.

자주 반복하는 작업 하나와 실제 사용할 로봇을 정해 베타에서 맞춤 학습을 시험해 보십시오. 학습에 넣은 데이터량과 같은 조건에서의 성공·실패를 기록하면 데이터 절감이 현장 성능으로 이어지는지 가늠할 수 있습니다.

로봇 모델을 맞춤 학습할 때, 데이터 투입량과 실제 하드웨어에서의 성공률 가운데 무엇을 먼저 확인하시겠습니까?