제네시스 AI가 물리, 렌더링, 컴파일, 툴링 등 4가지 핵심 요소로 구성된 시뮬레이션 플랫폼인 '제네시스 월드 1.0'을 발표했습니다. 이 플랫폼은 시뮬레이션과 실제 로봇 구동 환경 간의 높은 상관관계(피어슨 상관계수 0.8996)를 입증하여 현실 세계를 매우 정밀하게 모사합니다. 더불어 로봇 정책(Policy) 평가 시간을 200시간 이상에서 0.5시간 미만으로 극적으로 단축시켜 로봇 학습 및 테스트의 효율성을 획기적으로 높였다는 점에서 실무자들에게 매우 중요한 의미를 갖습니다.
최근 발표된 리뷰 논문은 일상적인 비디오 데이터만으로 학습해 로봇이 행동의 결과를 미리 시뮬레이션할 수 있게 하는 '월드 액션 모델(WAMs)' 체계를 소개합니다. 기존 모델들이 단순히 카메라 이미지를 행동으로 매핑하는 데 그쳤다면, 이 모델들은 물리적 환경 변화를 예측하여 미지의 환경에서도 뛰어난 일반화 성능을 보여줍니다. 연구진은 백여 편의 관련 논문을 분석해 결과 예측과 행동 생성을 순차적 또는 동시에 수행하는 두 가지 핵심 아키텍처로 분류했습니다.
이 논문은 계산적 기능주의가 물리적 기반을 무시하고 정보를 오해하는 '추상화의 오류'에 빠져 있다고 비판합니다. 시뮬레이션(행동 모방)과 인스턴스화(내재적 물리적 구현)를 엄격히 구분하여, AI의 알고리즘적 기호 조작만으로는 실제 주관적 경험이나 의식을 결코 발현할 수 없음을 논증합니다.
카드 놀이(솔리테어)의 최적의 플레이 전략을 찾기 위한 시뮬레이터입니다. 단순한 이동 규칙의 우선순위를 변경하여 승률을 기존 7.915%에서 8.590%로 향상시켰습니다. Apache Ant로 빌드할 수 있으며, 사용자가 시드(Seed) 값과 게임 횟수 등을 설정하여 대량의 게임을 시뮬레이션하고 승률을 분석할 수 있습니다.
로봇 개발자들을 위한 시뮬레이션 도구를 구축하는 스타트업 안티오크(Antioch)가 850만 달러(약 113억 원)의 시드 투자를 유치했습니다. 이 회사는 자율주행차와 같은 물리적 AI 에이전트를 가상 환경에서 훈련할 때 발생하는 '시뮬레이션-현실 간극(sim-to-real gap)'을 줄이는 솔루션을 제공합니다. 개발자들이 대규모 자본 없이도 AI 코딩 툴인 커서(Cursor)처럼 로봇을 가상으로 테스트하고 훈련시킬 수 있는 환경을 조성하는 것이 핵심입니다.
한 사용자가 앤스로픽의 AI 모델 '클로드'에게 X-Plane 12 비행 시뮬레이터 API를 검색하게 하고, Cessna 172 항공기를 이륙시켜 인근 공항으로 비행 및 착륙을 시도하게 했습니다. 클로드는 비행에 필요한 파이썬 제어 스크립트를 스스로 작성하고 실시간으로 수정했지만, 데이터 처리 지연과 급격한 자세 제어로 인해 두 차례 비행기가 추락하는 결과를 낳았습니다. 이 실험은 대규모 언어 모델이 복잡하고 역동적인 시스템 제어 환경에서 어떻게 대응하고 코드를 개선해 나가는지 보여주는 인상적인 사례입니다.
메타 AI와 KAUST 연구진이 신경망 자체가 작동하는 컴퓨터 역할을 하는 '신경 컴퓨터(Neural Computers)'를 제안했습니다. 이 연구는 기존 AI 에이전트나 세계 모델과 달리, 운영체제 스택의 기능을 모델 내부에 내재화하여 명령어 및 그래픽 사용자 인터페이스 환경을 시뮬레이션하는 두 가지 프로토타입을 통해 그 가능성을 입증했습니다.