피지컬 AI 데이터 어노테이션 및 평가 프로젝트

피지컬 AI 데이터 어노테이션 프로젝트

이번에 소개해 드릴 성공 사례는 로보틱스 연구소와 진행한 피지컬 AI 데이터 어노테이션 및 평가 프로젝트입니다. 에펜은 이 프로젝트에서 5만 건 이상의 피지컬 AI 학습 데이터를 지원함으로써 고객사의 가정 환경용 피지컬 AI 시스템 성능 향상을 성공적으로 지원했습니다.

도전 과제

1. 실제 로봇 학습 데이터의 부족

피지컬 AI 데이터는 언어 모델이나 비전 모델과 달리 온라인에서 대규모로 수집하기가 힘듭니다. 특히 가정 환경에서 발생하는 다양한 조작 작업 데이터는 직접 데이터를 수집하고 정교하게 어노테이션해야 하기 때문에 공개 데이터셋만으로는 충분한 학습 데이터를 확보하기 어렵습니다.

2. 복잡한 로봇 성능 평가 기준

로봇의 작업 수행 능력을 평가하는 과정은 단순한 성공·실패 판정만으로는 충분하지 않습니다. 로봇 움직임의 효율성과 물체 파지 정확도, 조작 안정성 등 다양한 요소를 종합적으로 평가해야 합니다. 또한 이를 위해서는 평가자 교육과 체계적인 평가 기준 수립이 필요합니다.

솔루션

에펜은 글로벌 크라우드 인력과 전문 프로젝트 운영 역량을 바탕으로 다양한 데이터 어노테이션 및 평가 워크플로우를 구축했습니다. 이때 피지컬 AI 데이터 프로젝트는 다음과 같이 구성되었습니다.

1. 인간 시점(Egocentric) 영상 데이터 어노테이션

가정 내 작업 수행 과정을 촬영한 인간 시점 영상을 세분화하여 작업 단위별 데이터를 구축했습니다. 각 구간에 대해 시간 정보, 작업 유형, 손의 상태 및 움직임, 자연어 설명 등을 부여하여 피지컬 AI 학습용 데이터셋을 생성했습니다.

2. 인간 작업 영상 품질 평가

수집된 영상 데이터에 대해 사전 정의된 평가 기준을 적용하여 품질을 검증했습니다. 작업 수행의 완성도, 비현실적인 환경 요소, 불필요한 인물 등장 여부 등 다양한 실패 요인을 체계적으로 평가했습니다.

2. 원격 조작 로봇 성능 평가

원격 제어를 통해 수행된 로봇 작업을 분석하고 평가했습니다. 작업 수행 과정에서 일어나는 움직임의 효율성, 물체 파지 정확도, 조작 능력 등을 세부 항목별로 점수화하여 모델 개선에 활용할 수 있는 피드백 데이터를 제공했습니다.

이러한 접근을 통해 실제 환경에서 활용 가능한 고품질 피지컬 AI 학습 및 평가 데이터를 안정적으로 확보할 수 있었습니다.

프로젝트 성과

에펜과의 협업을 통해 고객사는 다음과 같은 주요 성과를 달성했습니다.

• 5만 건 이상의 데이터 제공: 데이터 어노테이션 및 평가 워크플로우를 통해 대규모 학습 데이터를 구축했습니다.
• 다중 워크플로우 확장 운영: 하나의 파트너십을 기반으로 여러 데이터 처리 및 평가 프로세스를 안정적으로 확장했습니다.
• 피지컬 AI 성능 향상: 실제 가정 환경에서의 로봇 조작 및 작업 수행 능력을 효과적으로 개선했습니다.
• 고품질 평가 체계 구축: 정량적·정성적 평가를 결합한 성능 검증 프로세스를 마련했습니다.

에펜의 피지컬 AI 데이터 솔루션

이번 프로젝트는 고품질 데이터 어노테이션과 정교한 인간 기반 평가가 피지컬 AI 학습에 얼마나 중요한 역할을 하는지 보여주는 대표적인 사례입니다. 에펜은 글로벌 인력 네트워크와 피지컬 AI에 특화된 운영 프로세스를 결합하여, 고객사가 실제 환경에서 활용 가능한 피지컬 AI 시스템을 개발할 수 있도록 성공적으로 지원했습니다.

현재 에펜은 로보틱스 및 피지컬 AI 분야의 선도 기업들과 협력하며, 데이터 수집, 어노테이션, 평가 전반에 걸친 전문 솔루션을 제공하고 있습니다. 앞으로도 에펜은 차세대 피지컬 AI 기술 발전을 위한 신뢰할 수 있는 글로벌 파트너로서 고객사의 혁신을 지원해 나갈 것입니다.