Sunday Robotics ACT-2 Preview 내용 훑어보자

한 줄 핵심

Sunday Robotics는 빨래 접기라는 좁은 작업에서 99.1% 성공과 제로샷 배포 가능성을 제시하며, 데모가 아니라 실제 디플로이로 로봇 사업을 확장하려는 전략을 보여준다.

시간별 요약

1. 0:00
   Sunday Robotics의 Memo는 빨래 접기에서 99.1%를 달성했고, 이를 데모가 아닌 Solve로 규정하며 연말 디플로이를 목표로 한다. 핵심은 특정 작업 하나를 실제 환경에서 안정적으로 풀어내는 방식이며, ACT 계열 모델과의 연결성도 강조된다.
2. 2:02
   문제 정의는 빨래 종류, unseen room 같은 환경, 바스켓·옷더미·침대 위 같은 초기 조건까지 포함해 좁고 명확하게 잡는다. 또한 집마다 추가 학습 없이 바로 동작하는 zero per home을 목표로 삼아, 스코프 내 신뢰성 높은 성능을 배포 기준으로 삼는다.
3. 5:01
   pre-training 규모가 커질수록 in-domain과 out-of-domain의 성능 격차가 줄어들고, high quality sub-sampling이 적은 데이터에서도 성능을 먼저 끌어올린다. validation loss가 실제 success rate와 상관을 보이면서, 비싼 물리 평가 없이도 데이터 규모를 통해 성능 추세를 읽는 방식이 중요해진다.
4. 8:09
   원샘플 fine-tuning만으로도 여러 빨래 접기 방식에 적응하며, pre-training에 다양한 전략이 들어 있었음을 시사한다. 동시에 post-training으로 신뢰성을 더 높이고, 로봇·모델·플릿·데이터 수집을 모두 내부에서 운영하는 end-to-end 구조가 빠른 개선의 배경으로 제시된다.
5. 17:00
   실제 운영에서는 클라우드 인퍼런스의 네트워크 지연 한계를 넘기 위해 엣지 인퍼런스로 전환했고, 하드웨어·데이터·배포를 함께 조정하는 필요성이 드러난다. 이어서 Walden Robotics는 산업용 로봇에서 Replace가 아니라 Amplify를 내세우며, 노동 대체보다 인간 노동의 증강을 미션으로 삼는다.

실무 인사이트

• 로봇 제품은 범용성을 먼저 주장하기보다, 문제 정의와 성공 기준을 좁게 잡아 99% 이상의 신뢰성을 증명한 뒤 확장하는 편이 실전 배포에 유리하다.
• 데이터 수집 속도보다 데이터 품질과 평가 설계가 먼저이며, validation loss와 실제 success rate의 상관을 확인해야 스케일링 의사결정이 가능하다.
• 가정용·산업용 모두에서 네트워크와 지연이 병목이 되므로, 초기부터 엣지 추론과 현장 운영 조건을 전제로 설계해야 한다.