임바디드 인텔리젠스의 발전 과정에서 데이터는 언제나 기술 혁신을 이끄는 핵심 요소였습니다. 그러나 업계는 오랫동안 데이터 부족, 높은 수집 비용, 서로 다른 환경으로의 전이 어려움이라는 한계에 부딪혀 왔습니다. LimX Dynamics는 LimX Data Recipe(다중 소스 데이터 레시피) 전략을 제시하고, 실기체·시뮬레이션·영상 등 다양한 출처의 데이터를 결합해 단일 데이터 소스에 대한 의존에서 벗어났습니다. 영상 데이터에 초점을 맞춘 LimX VGM에 이어, LimX Dynamics는 새로운 임바디드 인텔리젠스 학습 패러다임 LimX DreamActor를 선보였습니다:

Real2Sim2Real과 실기체 강화학습(RL)의 강점을 함께 활용해 시뮬레이션 데이터와 실기체 데이터로 Sim2Real 격차를 해소합니다. 이를 통해 임바디드 모델의 학습·배포 효율과 안정성을 크게 높이고, 로봇의 자율 조작을 구현할 수 있는 업계 선도형 개발 패러다임을 제공합니다.

새로운 패러다임: Real2Sim2Real + 실기체 강화학습(RL)

LimX DreamActor는 Real2Sim2Real, 모방학습, 실기체 강화학습(RL)을 처음으로 긴밀하게 결합해 임바디드 인텔리젠스 학습에서 시뮬레이션 데이터와 실기체 데이터의 강점을 모두 활용할 수 있도록 했습니다.

시뮬레이션 단계에서는 고충실도 모델링과 모방학습을 통해 환경과 물체에 대한 일반화 성능을 확보하고, 정책 사전학습의 효율성을 대폭 높입니다. 실제 환경 단계에서는 실기체 강화학습(RL)으로 정책을 후속 학습해 높은 성공률로 현장에 배포할 수 있도록 합니다.

이러한 상호 보완 방식은 대규모 시뮬레이션 학습의 높은 효율성을 유지하면서도, 소량의 실기체 강화학습(RL)만으로 Sim2Real 격차를 해소할 수 있습니다. 이를 통해 샘플 효율성, 수렴 속도, 배포 안정성을 전반적으로 높일 수 있습니다.

이러한 ‘가상·현실 융합’의 새로운 개발 패러다임은 모델 학습의 비용 효율성을 높일 뿐만 아니라 현장 배포를 위한 더 안정적인 솔루션을 제공합니다.

LimX DreamActor 장점 비교

워크플로우: 현실에서 시뮬레이션을 거쳐 다시 현실로

LimX DreamActor는 ‘현실 환경 데이터 수집 — 시뮬레이션 데이터 사전 학습 — 실기체 데이터 후속 학습’으로 이어지는 워크플로우를 구축했습니다:

현실 세계 인식(RealScene): 일반 소비자용 카메라로 환경과 물체를 촬영하는 것만으로 다중 시점 환경 데이터를 수집할 수 있습니다. 이러한 저비용 방식은 기존의 전문 장비 의존에서 벗어나 데이터 수집을 한층 더 쉽고 효율적으로 만들어 줍니다.

만물 해석하기(Real2Sim): 다중 시점 이미지를 기반으로 3D 재구성을 수행하고, 모델에 질량, 마찰 계수, 충돌 체적 등 풍부한 물리 파라미터를 부여합니다. 기하 재구성을 수행하고 물리적 속성과 스케일을 맞추며 좌표 정합을 진행해, 모델이 실제 물리 특성을 더욱 정확하게 반영하도록 합니다. 이를 통해 시뮬레이션 환경이 현실 세계를 더욱 합리적으로 반영할 수 있어 로봇 조작 모델 학습의 중요한 기반이 됩니다.

세상 재현하기(SimScene): 수많은 사실감 높은 환경을 구축하고, 혼합 렌더링으로 생성한 다양한 환경에서 조작 궤적을 학습함으로써 적은 비용으로 데이터를 효율적으로 확장하고, 다양한 환경에 대한 일반화 성능을 확보합니다.

실전에서 다듬기(Data Collection & RL in Real): 시뮬레이션 환경에서 모방학습과 도메인 랜덤화 학습을 수행한 뒤, 실기체에서 소량의 강화학습(RL)으로 후속 학습을 진행해 도메인 간 전이를 구현합니다. 이를 통해 비용이 많이 드는 실기체 시행착오를 줄이는 동시에 현장 배포의 안정성을 확보합니다.

LimX DreamActor는 ‘현실 환경 데이터 수집 — 시뮬레이션 데이터 사전학습 — 실기체 데이터 후속 학습’ 전 과정을 연결하여 임바디드 인텔리젠스 학습 과정을 더욱 효율적이고 신뢰할 수 있게 만듭니다.

기술적 강점: 간편함과 신뢰성, 높은 효율, 확장성

LimX DreamActor의 혁신은 프로세스 최적화에 그치지 않고 여러 핵심 역량의 혁신에서도 드러납니다.

• 더욱 간편해진 데이터 수집: 스마트폰 등 일반 소비자용 기기로 영상이나 사진을 촬영하는 것만으로 사실감 높은 3D 환경을 재구성할 수 있습니다.

• 3D 자산 생성 능력: 3D 디지털 자산을 대규모로 생성하거나 외부 3D 디지털 자산을 불러와 활용할 수 있어, 적은 비용으로 데이터를 확장하고 다양성을 높일 수 있습니다.

• 더욱 높은 물리적 일관성: 외관이 사실적일 뿐만 아니라 현실과 더욱 일치하는 물리적 속성을 갖추고 있습니다. 이를 통해 신뢰할 수 있는 학습 기반을 제공하고 모델의 일반화 성능과 신뢰성을 높입니다.

• 효율적인 정합: 로봇 팔만으로 환경과 물체의 좌표 정합을 완료할 수 있어 기존의 번거로운 캘리브레이션 절차를 생략할 수 있습니다.

• 시뮬레이션 내 직접 정책 학습: 시뮬레이션을 먼저 수행한 뒤 데이터를 별도로 수집할 필요 없이, 시뮬레이션 환경에서 정책을 직접 학습할 수 있습니다.

• Real2Sim과 실기체 강화학습(RL)의 상호 보완: Real2Sim은 고충실도 환경과 다양한 데이터를 제공하여 정책 초기화를 가속화하며, 실기체 강화학습(RL)은 정책의 실제 환경 전이 및 배포 신뢰성을 보장합니다. 두 방식의 결합은 학습 주기를 크게 단축할 뿐만 아니라 실기체 탐색에 따른 위험도 낮춥니다.

LimX DreamActor 전체 워크플로우

LimX DreamActor는 LimX Dynamics의 단순한 기술 성과를 넘어 전사 전략의 중요한 축입니다. 임바디드 인텔리젠스 로봇에 집중하는 AI 기업으로서 LimX Dynamics는 로봇 본체의 하드웨어 설계·제조, 강화학습(RL) 기반 전신 운동 제어, 임바디드 브레인 학습 패러다임이라는 3대 핵심 기술을 중심으로 임바디드 에이전트 개발 툴체인을 지속적으로 고도화하고 있습니다. LimX DreamActor의 출시는 AGI가 물리 세계에서 일반화 능력을 확보할 수 있는 또 하나의 혁신적인 경로를 제시하고, 임바디드 인텔리젠스가 연구실에서 현실 적용으로 나아가는 과정을 앞당깁니다.

‘IDS 생태계 협력 전략’을 바탕으로 LimX Dynamics는 혁신가(Innovators), 개발자(Developers), 시스템 통합사(System Integrators)와 함께 연구, 제조, 비즈니스, 가정 등 다양한 분야에서 임바디드 인텔리젠스의 폭넓은 도입을 추진하고 있습니다. LimX DreamActor는 LimX Dynamics가 축적해 온 첨단 기술과 R&D 역량을 보여줌과 동시에, 개발자와 파트너사에게 저비용·고효율·고신뢰성을 갖춘 또 하나의 개발 도구를 제공함으로써 사용자 중심의 임바디드 인텔리젠스 개발 생태계를 지속적으로 고도화하고 있습니다.