일본의 AIRoA는 실제 세계 환경에서 학습할 수 있는 로봇 개발을 위한 기술적 기반을 구축하고 있으며, 운영 데이터 수집과 물리적 AI 기반 모델 훈련에 중점을 두고 있다. 여기에는 광범위한 로봇 데이터베이스 개발과 함께 실제 사용 환경에 가까운 조건에서 모델의 성능을 실험하고 검증하기 위한 시설이 포함된다.
기사에 따르면 이 회사는 2026년 6월 26일 로봇 개발을 위한 새로운 기반 또는 시설을 등록했으며, 8월 4일 이 단계를 발표했다. 시설 면적은 약 3500제곱미터이며, 데이터 수집과 로봇 훈련 및 테스트를 위한 구역을 갖추고 있다. 여러 로봇을 사용해 다양한 운영 데이터를 수집한 뒤, 훈련 결과와 실제 검증 결과를 기반 모델에 반영하는 것이 구상이다.
데이터 수집에서 기반 모델까지
AIRoA는 단일 로봇 모델이나 하나의 애플리케이션에 집중하는 것이 아니라, 다양한 로봇 개발에 사용할 수 있는 소프트웨어 및 데이터 계층을 구축하고 있다. 기사에 따르면 회사는 2025 회계연도 동안 팔이 장착된 이동 로봇을 통해 약 8000시간의 운영 데이터를 확보했으며, 학습과 검증을 위한 데이터 파이프라인도 마련하고 있다.
이 단계가 중요한 이유는 물리적 AI 시스템을 훈련하려면 텍스트나 정지 이미지뿐 아니라 움직임, 인식, 물체 및 환경과의 상호작용에 관한 데이터가 필요하기 때문이다. 따라서 데이터의 품질과 다양성, 그리고 실제 시설에서 모델을 테스트할 수 있는 능력은 로봇이 실험실 밖에서 작업할 수 있는지 여부를 결정하는 핵심 요소가 될 수 있다.
일본 내 프로젝트와 파트너십
AIRoA는 이 작업을 보다 광범위한 일본의 연구 및 산업 이니셔티브와 연계하고 있다. 기사에 따르면 회사는 2026년 4월 일본의 한 연구 기관과 협력해 ‘AI·로봇 비전 프로젝트’라는 프로젝트를 시작했으며, 프로젝트 참여자들의 자산과 데이터를 활용하고 기관 간 지식 교류를 강화해 로봇 개발을 가속하는 것을 목표로 한다.
또한 기사에서는 일본 신에너지·산업기술종합개발기구(NEDO)가 추진하는 FRONTia 프로젝트도 언급한다. 이 프로젝트는 로봇과 물리적 AI에 사용할 수 있는 AI 기반 모델 개발을 목표로 한다. 보도에서는 휴머노이드 로봇과 물리적 AI 분야에서 Preferred Networks와 Toyota를 비롯한 일본 기업 및 연구 기관의 접근 방식도 다룬다.
이 소식이 중요한 이유
여기서 실제 변화는 새로운 소비자용 로봇의 출시가 아니라 제품에 앞선 인프라, 즉 데이터 수집 시설, 기반 모델, 그리고 로봇이 실제 세계에서 작업을 수행할 수 있는 능력을 검증하는 방법으로 경쟁의 초점이 이동했다는 점이다. 이는 로봇 개발자와 연구자, 그리고 각 로봇을 새로운 작업이나 환경에 맞추는 데 필요한 시간을 줄여야 하는 산업 기업에 중요하다.
그러나 기사만으로는 AIRoA의 모델이 특정 수준의 정확도나 자율성을 달성했다는 점이 아직 입증되지 않았으며, 세부적인 벤치마크 결과나 이러한 모델을 프로젝트 외부에 제공할 일정도 제시되지 않았다. 또한 데이터 규모만으로는 해당 데이터가 포괄하는 작업이나 환경의 다양성을 알 수 없다. 따라서 남은 질문은 로봇 간 학습 전이 가능성, 데이터 수집 비용, 그리고 예기치 않은 상황에 대처하는 모델의 능력과 관련되어 있다.