Hyper Foundry 소개 영상 중 학습된 모델을 실제 로봇에서 실행하는 장면 (생성형 이미지)

피지컬 AI 개발 환경, 왜 따로따로 돌아갈까요?

휴머노이드 연구실에 데이터가 부족한 경우는 드물어요. 텔레오퍼레이션으로 하루 종일 시연을 쌓고 카메라 영상과 관절 로그가 서버에 쌓이죠. 문제는 그다음이에요. 수집은 이 툴로 하고 학습은 터미널에서 돌리고 배포는 제조사별 환경에서 따로 하다 보니 어제 학습한 모델이 어떤 데이터에서 나왔는지 보려면 폴더를 뒤져야 해요. 연구원 한 명이 빠지면 파이프라인이 같이 멈추는 일도 흔하고요.

피지컬 AI 개발은 로봇·GPU·수집 환경·학습 환경 네 가지가 함께 필요한 작업이라 이 넷이 서로 다른 툴과 환경에 흩어지면 데이터 흐름이 끊겨요. 현장에서 반복되는 어려움은 네 가지로 모여요.

Hyper Foundry는 어떻게 생겼나요? 4개 모듈

빅웨이브로보틱스가 Hyper Foundry를 만든 이유가 여기 있어요. Hyper Foundry는 빅웨이브로보틱스가 만든 피지컬 AI(Physical AI) 개발 플랫폼으로 휴머노이드와 협동로봇 같은 실제 로봇의 행동 데이터를 수집·학습·배포·관리까지 하나의 워크플로우로 잇고 고객사 인프라 안에서 운영돼요. 소프트웨어 모듈 네 개와 로봇 그리고 GPU 인프라를 묶어 고객사 환경에 구축해요. 글보다 영상이 빠르니 먼저 보셔도 좋아요.

Hyper Foundry 소개 영상 (3분 25초)

Hyper Foundry의 4개 모듈은 COLLECT를 맡는 Data Studio, TRAIN을 맡는 Model Studio, DEPLOY를 맡는 Mission Studio 그리고 세 Studio의 전 과정을 연결하는 MANAGE 허브 Data Library로 구성돼요.

Hyper Foundry 전체 구조도 · 세 Studio를 Data Library가 받치고 Secure On-Premise가 전체를 감싸요

주동선은 수집에서 학습으로 그리고 배포로 이어지고 Data Library는 네 번째 순서가 아니라 이 흐름 전체를 받치는 바닥이에요. 배포한 모델이 실제 로봇에서 어떻게 움직였는지가 다시 데이터로 돌아와 다음 학습에 쓰이는 반복 구조라 한 번 돌리고 끝나는 파이프라인이 아니에요. 로봇 플랫폼별로 독립된 구조라 특정 기종에 묶이지 않고 휴머노이드와 협동로봇을 같은 환경에 연동할 수 있어요.

Data Studio: 텔레오퍼레이션 데이터 수집을 한 번의 작업으로

COLLECT

로봇 학습 데이터 수집에서 손이 많이 가는 건 수집 뒤의 정리예요. 카메라와 관절 로그가 따로 쌓이면 나중에 시간을 맞춰 붙이는 작업이 생기거든요. Data Studio는 텔레오퍼레이션 한 번의 작업에서 카메라 영상과 로봇 관절 데이터 그리고 Action 값과 Timestamp를 Episode 단위로 함께 수집해 VLA나 모방학습용 데이터셋의 원본을 만들어요.

Data Studio의 데이터 수집 방식 · 로봇별 수집 환경을 따로 만들지 않고 영상·동작 데이터를 한 번에 Episode로 묶어요

휴머노이드부터 협동로봇까지, 하나의 수집 환경에서

로봇이 바뀌어도 수집 환경을 새로 만들지 않아요. 휴머노이드와 협동로봇이 같은 Data Studio 안에서 각자의 Episode를 쌓고 같은 형식으로 Data Library에 들어가요. 협동로봇으로 모방학습 데이터를 먼저 쌓고 휴머노이드로 넘어가는 연구실이라면 수집 단계를 두 번 세팅할 필요가 없어요.

DATA STUDIO 화면 · 휴머노이드 카메라 스트리밍(RGB·Depth)과 원격 조작으로 Episode를 수집하는 중

Model Studio: 터미널에서 워크플로우로

TRAIN

학습은 가장 사람에게 묶여 있던 단계예요. 스크립트를 아는 한 사람의 환경에서 돌아가다 보니 그 사람이 자리를 비우면 멈추죠. Model Studio는 데이터셋 선택부터 모델과 학습 파라미터 설정 그리고 학습 실행과 결과 관리까지를 UI 워크플로우로 운영하는 학습 환경이에요. 독자 알고리즘을 내세우는 게 아니라 연구실에서 쓰던 학습 과정을 화면 위에서 순서대로 돌릴 수 있게 정리한 환경이에요.

모방학습과 강화학습을 같은 환경에서

Model Studio 워크플로우 · 원본 데이터 불러오기 → 데이터셋 준비 → Physical AI 학습 → 모델·이력 관리

강화학습 환경은 Isaac Sim·GR00T 같은 Physical AI 학습 환경과 함께 구성해요.

MODEL STUDIO 화면 · 실시간 학습 로그와 Loss 추이, 모델별 학습 실행 현황

Mission Studio: 학습된 모델을 실제 로봇에 연결·배포

DEPLOY

학습이 끝나도 로봇에 올리는 단계에서 제조사별 런타임을 따로 다뤄야 하면 다시 터미널로 돌아가요. Mission Studio는 학습된 모델을 로봇 실행 환경에 연결해 배포하고 테스트 결과와 배포 이력을 남기는 단계예요. 흐름은 모델 선택 그리고 로봇과 런타임 설정 다음 배포와 테스트 그리고 이력과 로그 확인 순서로 이어져요.

Mission Studio 워크플로우 · 학습 모델 선택 → 로봇·실행 환경 설정 → 모델 배포 → 적용 테스트 → 배포 이력·로그 관리

운영 관제 화면이 아니라 학습한 모델이 실제 로봇 환경에 적용되는 지점이에요. 어떤 모델을 언제 어느 로봇에 올렸는지가 기록으로 남아 다음 실험과 비교할 수 있어요.

MISSION STUDIO 화면 · 대상 로봇 선택과 연결 환경 설정, 학습 모델을 로봇 실행 환경으로 전송·배포

Data Library: 로봇 학습 데이터를 자산으로

MANAGE

세 Studio를 거치며 생긴 결과물은 전부 Data Library로 모여요. Data Library는 원본 데이터와 데이터셋 그리고 학습된 모델과 배포 이력을 검색하고 조합하고 변환하고 이력을 추적하는 데이터 허브로 세 Studio 전 과정의 생성 이력을 연결해요.

Data Library 구조 · 원본 데이터부터 배포 이력까지 전 과정의 생성 이력을 추적해요

어제 배포한 모델을 열면 어떤 데이터셋으로 학습했고 그 데이터셋이 어느 Episode에서 나왔는지가 거꾸로 따라가져요. 여러 수집 세션을 조합해 새 데이터셋을 만들거나 다른 학습에 맞게 형식을 변환하는 작업도 여기서 해요.

Data Library 기능 4가지와 원본 데이터 관리 화면 · Episode별 수집·검수·업로드 이력을 통합 관리

온프레미스 AI 환경에서 돌아가요

로봇 행동 데이터에는 작업 환경과 공정 정보가 그대로 담겨요. 클라우드 학습 서비스를 쓰기 어려운 기업과 기관이 많은 이유예요. Hyper Foundry는 데이터와 학습 그리고 배포 환경 전체를 고객사 내부 인프라에서 운영하는 온프레미스 AI 플랫폼이라 로봇 행동 데이터가 외부로 전송되지 않아요.

보안 심사가 까다로운 조직도 같은 워크플로우를 쓸 수 있다는 뜻이에요. GPU 서버와 워크스테이션 구성은 도입 단계에서 보유 장비를 보고 함께 설계해요.

피지컬 AI 로봇과 개발 환경을 함께 갖추려면

피지컬 AI 로봇이 도착한 날부터 진짜 일이 시작돼요. 제조사 SDK를 익히고 수집 장비를 붙이고 학습 환경을 세팅하는 일이 전부 연구자 몫으로 남거든요. 피지컬 AI 로봇 도입을 검토한다면 로봇 본체와 함께 데이터 수집·학습·배포 환경을 같이 설계하는 것이 연구를 시작하기까지의 과정을 줄이는 방법이에요.

마로솔은 휴머노이드와 협동로봇 그리고 로봇핸드까지 연구용 로봇을 한곳에서 비교하고 견적받는 플랫폼이에요. 여기에 Hyper Foundry를 묶으면 로봇과 GPU 인프라 그리고 수집부터 배포까지의 환경을 한 번에 제안받으실 수 있어요.

Hyper Foundry 소개 영상 중 연구실 장면 · 휴머노이드와 협동로봇이 한 공간에서 데이터를 쌓아요 (생성형 이미지)

어디서부터 시작하면 될까요?

Hyper Foundry 도입 구성은 휴머노이드 연구개발 기준 5가지 유형으로 나뉘고 보유 로봇과 연구 단계에 따라 필요한 구성부터 골라 시작할 수 있어요. 하드웨어만 먼저 갖출 수도 있고 이미 있는 로봇에 소프트웨어와 인프라만 더할 수도 있어요.

Hyper Foundry 도입 패키지 구성 비교 (휴머노이드 R&D 기준)

표를 이렇게 보시면 돼요

이미 로봇을 갖고 계시다면 04 보유 로봇 활용형으로 새 하드웨어 없이 시작하실 수 있어요. 학습까지 이어가실 계획이라면 03부터 Data Library가 함께 들어간다는 점을 기준으로 보시면 고르기 쉬워요.

Hyper Foundry 도입 전 자주 묻는 질문