이슈 좀처럼 좁혀지지 않는 시뮬레이션-현실 격차가 학습된 로봇의 실제 능력을 제한한다
요약
딜로이트는 학습과 훈련을 피지컬 AI 확산의 장벽 가운데 하나로 꼽는다. 시뮬레이션은 빠르고 안전하며 규모를 키우기 쉽지만, 물리 법칙을 근사한 모델에 기대는 탓에 가상 성능과 실제 성능의 차이가 좀처럼 줄지 않는다. 로봇공학자 아야나 하워드는 가상 영상은 꽤 훌륭해도 현실에는 다르게 보이는 미묘함이 있어 가상에서 익힌 집기 동작이 그대로 옮겨지지 않는다고 말한다. 로봇은 마찰이 다른 표면에서 공을 잡는 식으로 과제 단위로만 적응할 뿐, 사람과 얼마나 가까이 설지 같은 환경 전반의 상호작용은 아직 배우지 못한다. 현실에서 끝없이 연습시키면 물건이 부서지므로 그 방법도 쓸 수 없다. 보고서는 물리 엔진, 합성 데이터, 가상과 실제를 섞은 훈련이 격차를 좁히리라 본다.
분류
주 주제우주·모빌리티
부주제AI·컴퓨팅
지역 메뉴글로벌
영향 지역scope:global
시간 지평0~3년 (2026-07-26)
발간2025-12
최종 갱신2026-09-30 12:56 KST
근거 2
- Tech Trends 2026: As technology innovation and adoption accelerate, five trends reveal how successful organizations are moving from experimentation to impact Deloitte Insights (Deloitte Development LLC, US Office of the CTO) page=14;section=AI goes physical: Navigating the convergence of AI and robotics / The human factor 2025-12 접근 2026-07-26
- Tech Trends 2026: As technology innovation and adoption accelerate, five trends reveal how successful organizations are moving from experimentation to impact Deloitte Insights (Deloitte Development LLC, US Office of the CTO) page=14;section=AI goes physical: Navigating the convergence of AI and robotics / Breaking through implementation barriers 2025-12 접근 2026-07-26
구성 트렌드 1
직접 연결 신호 0
해당 객체가 없다.
연결 유형: constitutes
공개 식별자: fm-723cf6856afe