피지컬 인텔리전스, 범용 로봇 두뇌 모델 파이 0.7 공개

주장피지컬 인텔리전스(Physical Intelligence)가 공개한 새로운 로봇 두뇌 모델 파이(π) 0.7은 명시적으로 학습하지 않은 작업도 스스로 수행합니다. 이는 로봇 공학계가 지향하는 범용 로봇 두뇌 구현을 위한 중요한 진전입니다.

팩트파이 0.7은 에어프라이어 사용법을 별도로 학습하지 않았음에도 관련 데이터 파편들을 조합해 고구마를 조리합니다. 연구진은 이 모델이 단순 암기식 학습을 넘어 기술을 재조합하는 능력을 갖췄다고 설명합니다.

팩트연구진은 프롬프트 엔지니어링을 활용해 에어프라이어 작업 성공률을 기존 5%에서 95%까지 높였습니다. 이는 로봇 성능이 모델 자체의 역량뿐만 아니라 인간의 지시 방식에도 큰 영향을 받는다는 사실을 보여줍니다.

팩트파이 0.7은 아직 단일 명령으로 복잡한 다단계 작업을 자율적으로 완수하지 못합니다. 사용자가 단계별로 언어 지시를 내려야만 작업을 성공적으로 마칩니다.

주장세르게이 레빈 공동 창업자는 로봇의 데이터 학습 능력이 선형 이상으로 증가한다고 강조합니다. 이는 언어 모델과 비전 모델에서 입증된 확장 법칙이 로봇 공학에서도 재현될 가능성을 시사합니다.

팩트피지컬 인텔리전스는 현재까지 10억 달러 이상 투자를 유치했으며, 최근 기업 가치는 56억 달러로 평가받습니다. 업계는 이 회사의 기업 가치가 110억 달러 규모로 두 배가량 상승할 가능성을 논의합니다.

교차검증로봇 공학 분야에는 표준화된 벤치마크가 없어 외부 검증이 어렵습니다. 피지컬 인텔리전스는 자사 이전 모델들과 비교해 성능을 측정했으나 객관적인 외부 평가 지표는 부족합니다.

교차검증비평가들은 언어 모델과 달리 로봇은 학습할 수 있는 인터넷 규모의 데이터가 부족하다고 지적합니다. 또한 현재 로봇 시연이 화려한 동작보다 지루한 작업 위주로 구성된다는 점도 한계로 거론됩니다.

팩트연구진은 파이 0.7이 연구 단계의 결과물이며 실제 상용화 시점은 확정하지 않았다고 밝혔습니다. 기술 발전 속도는 빠르지만 실제 현장 배치까지는 신중한 접근이 필요합니다.

출처테크크런치(TechCrunch)의 2026년 4월 16일 자 보도를 교차 검증했습니다.