로봇 기술 상태 2024
2024년 글로벌 로봇 기술에 대한 최종 연간 보고서는
연간 보고 · 2024
[보고서를 읽어 보세요]
2024년 3월 출간 46 페이지 무료
2024년
올해 세계 로봇 산업의 상태를 정의하는 6개의 데이터 포인트입니다.
17억 8천만 달러
2024년 글로벌 로봇 시장은 전년 대비 25% 증가합니다.
5% VLA
비전-언어-행동 모델은 새로운 배포의 5%에 도달했습니다 연구 호기심에서 첫 번째 생산 시험까지
-43%
데이터 수집 시간당 비용은 2024년까지 520달러에서 295달러로 떨어졌고, 처음으로 비용 곡선을 휘두르기도 했습니다.
3
상업적 인형 플랫폼은 이제 구매 또는 임대용으로 사용할 수 있습니다 Agility Digit, 그림 01, Unitree H1.
4조 800억 달러
로봇에 대한 글로벌 VC 투자 규모는 4조8천억 달러로 회복됐습니다. 빅테크와 국방의 전략적 자본으로 이끌려요.
IL 증가
모방 학습은 ACT, 퍼포시전 정책, 그리고 OpenVLA에 의해 2023년에 28%에서 38%까지 증가한 채택을 달성했습니다.
내용 표
[
01
집행 요약
[
02
하드웨어: 무장 경주 & 인간성 새벽
[
03
데이터 인프라 변화
[
04
기초 모델이 로봇에 들어갑니다
[
05
전환 시 에 훈련 방법
[
06
수직으로 배포
[
07
투자: 전략적 자본이 점유되고 있다
[
08
2024 년 의 결정적 인 순간
[
09
2025 년 이 가져오게 될 것
[
1장
집행 요약
2024년은 변동의 해입니다. 하나의 제품이 배송되거나 하나의 논문이 출판되었기 때문이 아니라, 로봇에 대한 산업의 사고방식이 돌이킬 수 없을 정도로 변화했기 때문입니다. 기초 모델 추론은 넓은 데이터에 훈련된 하나의 큰 모델이 특정 작업에 적합하다는 아이디어입니다. 그 결과는 엄청납니다. 모든 로봇과 모든 작업에 맞춘 제어 파이프라인을 설계하기보다는, 팀은 몇 백 개의 시범에 정비된 미리 훈련된 비전 언어 행동 모델이 그 일을 할 수 있는지 궁금해하기 시작했습니다.
2024년, VLA 모델은 "때문"입니다. 4분기까지 새로운 상업적 배포의 5%를 달성했습니다. 올해 초 거의 0에서 증가했습니다. 절대적으로 작은 숫자이지만 궤도에서 중요합니다. 2024년에 VLA를 배포하는 기업은 취미가 아닙니다. 그들은 아마존 (스파로우 픽 시스템), 애기리티 (디지트 웨어하우스 배포) 및 엔드-투-엔드 학습 제어에 일찍 베팅하는 몇 개의 잘 자금 지원된 스타트업입니다.
한편, 하드웨어 계층은 두 가지 중요한 방향으로 확장되었다. 첫째, 10,000 달러 이하의 로봇 팔 시장은 8개에서 14개로 성장했으며, 현재 중국인 6개가 있습니다. 둘째, 3개의 상업적 인형 플랫폼은 실제로 구매할 수 있게 되었습니다. 애기리티의 디지털은 아마존 시설에 배치되었다. 그림 01은 675M 달러의 인장과 OpenAI 파트너십으로 스텔스로 등장했다. 유니트리의 H1는 인문형 경제에 대한 가정을 재고할 것을 강요하는 가격 포인트로 배송되었다.
이 보고서의 핵심 논문은: 2024년은 로봇이 하드웨어 문제로 대두되지 않고 데이터와 모델 문제로 대두되기 시작한 해이다. 이 변화를 일찍 인식한 기업은 향후 5년간 경쟁적 위치를 결정하는 인프라를 구축하고 있다.
학습된 로봇 정책을 확장하는 가장 중요한 단 하나의 병목인 데이터 수집 비용은 2023년 1분기 520달러/시간에서 2024년 4분기까지 약 295달러/시간으로 떨어졌다. 이 43% 감소는 세 가지 요인으로 인해 발생했습니다. 저비용 리더-따라자 텔레오퍼레이션 시스템의 보급 (중국에서 제조되는 많은 것), 오픈 소스 데이터 세트 도구 (DROID, 초기 LeRobot 작업) 의 출시 및 에피소드 형식의 표준화가 증가했습니다. 비용 곡선은 기울어지고 있으며, 다시 기울어지지 않을 것입니다.
투자 패턴은 상호 보완적인 이야기를 들려준다. 로봇 분야에서 글로벌 VC 배포는 4.8억 달러에 달했으며, 2023년 4.1억 달러의 낮은 수준에서 온화적 회복이 되었다. 그러나 그 자본의 구성은 급격히 변화했습니다. 전략적 투자자 NVIDIA, 마이크로소프트, 아마존, 그리고 방위 프라이임
2장
하드웨어: 무장 경주 & 인간성 새벽
2024년 하드웨어 풍경은 로봇의 빠른 상품화와 최초의 진정한 상업적 인형 플랫폼의 등장으로 두 개의 병렬 이야기로 정의됩니다. 두 가지 추세는 서로 다른 자산이 로봇이 아니라 그것에 대한 수집된 데이터와 그에 대한 훈련된 정책이있는 세계에 대한 같은 방향으로 지향합니다.
10만 달러 이하의 무기 시장이 확대되고 있습니다.
2024년 초, 약 8개 제조업체에서 6개 또는 7개 로봇 무기를 판매하고, 가격은 $10,000 이하로 올랐으며, 그 해 말까지 그 수는 14개에 달했다. 가장 중요한 신입자들은 중국인이다. 유니트리 (네마리의 사마귀에서 무기로 갈라진), 애지렉스, 엘리펀트 로봇, 레바이, 플렉시브 같은 기업들은 50% 낮은 가격으로 무기를 생산했다. 중국 OEM의 수반시간은 1216주에서 표준 구성에 대해 4~6주까지 압축되었다.
이 제조 장점은 비용뿐만 아니라 중국 제조업체는 데이터 수집을 위해 명시적으로 설계된 팔을 만들고 있습니다. 리더-따라자 원격 조작을 위해
** 핵심 통찰력:** 10만 달러 이하의 14개 팔 제조업체 중 6개는 현재 중국인이다. 이것은 품질 문제가 아닙니다.
인적 인물 이 상업적 인 한계 를 넘어서
2024년 구조화된 구매 또는 임대용으로 3개의 상업적 인문형 플랫폼이 사용 가능해졌다. 이 숫자는 작지만 진정한 시장 형성 사건을 나타냅니다. 2022년에는 하나의 플랫폼 (보스턴 다이내믹스 아틀라스, 제한된 연구 구성) 이 사용 가능했습니다. 2023년에는 두 개의 플랫폼이 사용 가능했습니다. 2024 추가는 서로 다른 전략을 나타내는 것이기 때문에 중요합니다.
- Agility Digit: 물류를 위해 purpose-built. Amazon fulfilment centers에서 tote-moving tasks를 위해 배치합니다. 일반 목적의 인형이 아닙니다.
- 그림 01: "기본 모델 인문형" 논문의 대표 선박. 675M 달러의 인수와 OpenAI 파트너십은 작업 이해에 대한 큰 언어 모델과 조작에 대한 VLA에 의해 지원되는 일반적 인문형이 3~5 년 이내에 상업적으로 실행 가능할 것이라는 베팅을 표시합니다. 하드웨어는 인상적입니다. 비즈니스 케이스는 여전히 구축 중입니다.
- Unitree H1: 산업 관찰자들이 완전한 양발형 인형에 대해 예상했던 것의 약 3분의 1을 약 90,000 달러로 공격적으로 가격으로 평가했다. Unitree의 전략은 네 번째 플레이북을 반영합니다. 규모의 배 하드웨어, 낮은 지점, 그리고 생태계가 상단에 가치를 구축하도록 허용합니다. H1 및 작은 형제자매 G1, 인형형 하드웨어 비용은 대부분의 예측보다 더 빨리 떨어질 것이라는 신호입니다.
글로벌 로봇 시장 규모 ($B)
출처: RCSV 연구, IFR 2024, PitchBook
상업적 인 인류 플랫폼이 사용 가능
출처: RCSV 연구
제3장
데이터 인프라 변화
2024년 로봇 분야에 가장 큰 추세는 제품 출시나 자금 투기가 아니라 데이터 수집 비용 곡선의 구부러기다. 높은 품질의 텔레오퍼레이션 데이터는 훈련 조작 정책의 원료로 2023년 초 약 520달러/시간에서 2024년 4분기까지 295달러/시간으로 떨어졌다. 이 43% 감소는 8분기 동안 하드웨어, 소프트웨어 및 프로세스 표준화 전반에 걸쳐 합성 개선의 결과입니다.
비용 하락 을 일으킨 이유
세 가지 힘들이 합쳐졌다. 첫째, 리더-따라자 텔레오퍼레이션 하드웨어는 상품화되었다. 2022년에 8,00012,000 달러의 비용이 드는 시스템은 현재 중국 제조업체로부터 2,0004,000 달러에 사용할 수 있으며, 비교적 품질과 훨씬 짧은 수반시간이 있습니다. 이는 현대 정책이 요구하는 수백 시간 규모의 데이터 수집을 위한 필수 조건으로 동시에 여러 통신역을 배치하는 것을 경제적으로 실현가능하게 만들었다.
두 번째로, 오픈소스 데이터 세트 도구가 성숙되었습니다. DROID 프로젝트 (스탠포드 / 버클리) 는 표준화된 에피소드 포맷을 가진 대규모 멀티 로봇 데이터 세트를 출시했습니다. Hugging Face는 로봇 시범 데이터를 수집, 구리 및 공유하는 프레임워크인 LeRobot에 대한 초기 작업을 시작했습니다. 이 도구들은 데이터 수집의 엔지니어링 노력을 제거하지는 않았지만 새로운 수집 파이프라인을 구축하는 팀들을 위해 몇 주에서 며칠으로 줄였습니다.
셋째, 에피소드 형식의 표준화가 시작되었다. RLDS (Google이 개발한) 및 HDF5 계획의 공감은 "통합 세금"을 감소 시켰습니다. 이것은 평범한 하지만 중요한 발전입니다. 형식 표준화가 없으면 모든 새로운 하드웨어 플랫폼은 맞춤형 데이터 파이프라인을 필요로 하고,
** 규모의 임계 변:** 520달러/시간에 한 작업에 대한 500시간의 시범 데이터 수집은 26만달러 (
DROID 데이터 세트 및 오픈 데이터
2024년 DROID 데이터 세트의 출시는 로봇 학습 커뮤니티에 중요한 사건이었다. 여러 로봇 플랫폼에서 수집된 수십만 개의 조작 시범을 포함하는 DROID는 실제 세계 로봇 데이터의 가장 큰 공개 수집을 나타냈다. 그 영향은 생산 배포에 유용하지만 충분하지 않은 데이터에 대한 것보다 개념 증명에 대한 영향을 덜 주었다: 대규모, 다 사이트, 다 로봇 데이터 수집이 가능하며, 결과 데이터 세트를 표준화된 형식으로 공유 할 수 있습니다.
허깅 페이스 팀의 초기 작업은 수집 및 큐레이션 작업 흐름에 대한 도구 제공을 통해 DROID를 보완했습니다. LeRobot은 2024 년 초기 단계에 있었지만 중요한 방향을 표시했습니다. 로봇 데이터 수집 인프라는 언어 모델 훈련 데이터 인프라를 구축한 동일한 기관에서 구축되고 있습니다. 이것은 우연이 아닙니다. 로봇 학습의 병목이 알고리즘에서 데이터로 옮겨진다는 인식입니다.
데이터 수집 시간당 비용 (USD)
출처: RCSV 연구, 사업자 시장 데이터
4장
기초 모델이 로봇에 들어갑니다
언어와 시각에서 물리적 조작으로 기초 모델 사고의 전환은 로봇 분야에서 2024년의 결정적인 지적 발전입니다. 이것은 하나의 모델이나 하나의 논문에 관한 것이 아닙니다. 이것은 패러다임 변화에 관한 것입니다. 광범위한 데이터에 미리 훈련되어 작업에 대한 구체적인 시범에 정비된 대형 모델이 확장되는 조작 작업의 범위에서 맞춤형 제어 파이프라인을 능가 할 수 있다는 인식입니다.
RT-2의 후유증
구글의 RT-2 논문 (2023년 중순에 발표) 은 비전 언어 행동 모델이 기본적으로 액션 디코더로 확장된 대형 언어 모델이 로봇 행동으로 자연어 지침을 토대로 할 수 있음을 보여주었습니다. 그 영향은 RT-2의 특정 기능 (이 인상적이지만 구글의 하드웨어에 국한된) 에 비해 그 개념적 선례에 비해 덜 영향을 미쳤다. 언어 모델은 텍스트에만 해당되지 않습니다. 그들은 실제 로봇 제어로 전송되는 방식으로 물리적 공간, 객체 속성 및 조작 전략을 논할 수 있습니다.
연구 커뮤니티의 2024년 대응은 신속하고 광범위했습니다. 세 가지 연구 프로그램은 특히 주목을 받아야 합니다.
- OpenVLA (스탠포드/버클리): Llama 척추에 기반한 오픈 웨이트 VLA 모델, 사용자 지정 디모네스트 데이터 세트에서 정비할 수 있습니다. OpenVLA의 중요성은 접근성입니다. 교육은 2024년 중반에 본격적으로 시작되었고, 초기 결과는 200~500개의 작업별 시범으로 경쟁력 있는 성과를 보였다.
- ACT++ 및 전파 정책: VLA가 아니라 이 모방 학습 아키텍처는 2024년에 조작 정책 훈련의 표준 연구 기반이 되었다. 토니 자오의 ACT 논문 (주래에 2023년에 발표되었다) 은 액션
킹 (action chunking) 은 단일 행동보다는 행동의 연속을 예측하는 것으로 정책 강도를 크게 향상시킨다는 것을 보여주었다. 디푸지언 정책 (Chi et al.) 은 액션 생성에 디푸지언 모델 기술을 적용하여 보다 원활하고 신뢰할 수 있는 조작 궤도를 만들어 냈습니다. 두 가지 모두 새로운 방법들을 측정하는 실질적인 기준으로 바뀌었습니다. - 물리 지능 (π₀): 2024년에 설립된 70M 달러의 시드 라운드 (로봇 역사상 가장 큰) 로, 물리 지능은 로봇 제어에 대한 일반적 목적 기반 모델을 구축하기 위해 시작되었습니다. π₀의 초기 작업은 하나의 무게 세트에서 여러 로봇 형태 요소를 제어할 수 있는 모델을 훈련시키는 데 초점을 맞추었습니다. 생산 품질에 도달하면 로봇 배포의 경제를 근본적으로 변화시킬 수있는 능력입니다.
VLA에 대한 경제적 주장: 처음부터 작업에 대한 정책 훈련은 1,000개 이상의 시범과 몇 주간의 엔지니어링이 필요합니다. 동일한 작업에 대한 사전 훈련된 VLA를 정렬하는 데는 200500개의 시범과 엔지니어링일이 필요합니다. 2024년 데이터 수집 비용으로, 이것은 새로운 조작 능력을 배포하는 전체 비용의 35배 감소로 번역됩니다. VLA 접근법은 아직 안전에 중요한 작업에 충분히 신뢰할 수 없지만, 선택과 장소, 분류 및 간단한 조립에 대해서는 경제학자들은 이미 그것을 선호합니다.
VLA 채택 (새 배치의 %)
출처: RCSV 연구, 기업 배포 추적기
5장
전환 시 에 훈련 방법
2024년 교육 방법 풍토는 전환 시장을 이루고 있다. 강화 학습 (RL) 은 65%의 상업적 조작 배포에 사용되고 있는 지배적인 접근 방식으로 남아 있다. 그러나 모방 학습 (IL) 은 배포의 38%에 달하여 2023년 28%에 비해 빠르게 점유율을 얻고 있다. 하이브리드 접근 방식은 일반적으로 초기 정책 훈련에 IL, 그리고 미세 조정에 RL가 계속되고 있지만 지속적인 7%의 배포가 남아 있습니다.
왜 RL가 여전히 지배적 인 이유
강화 학습의 지배는 기술적 우월성과 함께 제도적 추진력을 반영한다. 2023 년 이전에 고용된 대부분의 로봇 공학 팀은 RL 방법에서 훈련되었다. 도구는 성숙하다 (Stable Baselines3, RLlib, Isaac Gym). 배포 파이프 라인은 잘 이해된다. 기존 RL 인프라를 가진 팀들에서는 IL로 전환하면 통합 위험은 보장되지 않은 개선이 발생한다. 또한 RL는 보상 기능이 쉽게 정의되는 (예를 들어 목표 위치에 도달하는) 과목에 대한 명확한 장점을 유지하지만 시범 데이터를 수집하기가 어렵습니다 (예를 들어 정확한 힘 제어가 필요한 과목).
IL의 급속한 상승
한 해 동안 모방 학습의 28%에서 38%까지 증가한 것은 두 가지 발전을 반영합니다. 첫째, ACT 논문 (자오 등) 은 단순하고 잘 설계된 IL 아키텍처가 RL가 요구하는 보상 엔지니어링 및 하이퍼파라미터 조정 없이 작업 변형을 통일하는 정책을 생성 할 수 있음을 입증했습니다. ACT의 액션 쪼개리 방식은 단일 액션보다는 20~100개의 미래의 액션의 시퀀스를 예측하는 것으로 인해 더 원활한 궤도를 만들어냈고, 2개 매뉴얼 작업에서의 성공률이 크게 향상되었다.
둘째, 3장에서 설명된 데이터 수집 인프라는 IL를 처음으로 경제적으로 실행가능하게 만들었다. IL는 시뮬레이션 데이터를 필요로 하고 RL는 시뮬레이터나 보상 기능을 필요로 한다. 시뮬레이션 데이터가 저렴해지면서 RL의 비용상의 장점은 줄어들게 된다. 2024년에 새로운 조작 프로젝트를 시작하는 팀들에 대해서는 계산이 점점 더 증가하고 있습니다. RL에 대한 시뮬레이터와 보상 기능을 구축하는 데 몇 주가 걸리지 않고 300
** 2024년에 RL와 IL를 사용할 때:** 잘 정의된 보상 기능, 새로운 전략의 탐구를 필요로 하는 작업, 그리고 이미 시뮬레이션이 가능한 작업에 RL는 더 나은 선택이 남아 있습니다. IL는 보상이 정의되기보다 시범이 수집되기 쉬운 작업, 자연적이고 부드러운 움직임을 필요로 하는 작업, 그리고 메트릭을 최적화하기보다는 인간의 행동을 복제하는 작업에 대한 더 나은 선택입니다. 하이브리드 접근법
교육 방법 채택 (%)
출처: RCSV 연간 개발자 조사, n=840
6장
수직으로 배포
2024년 상업용 로봇 배포는 3가지 직선으로 집중되어 있습니다. 물류, 자동차 제조, 전자 조립, 이는 전체에 82%를 차지하고 있으며, 나머지 18%는 식품 서비스, 의료, 농업, 그리고 신흥 직선으로 분포됩니다. 집중은 놀라운 일이 아닙니다. 이들은 노동 비용, 구조적인 환경, 자동화 투자에 대한 가장 긴 역사를 가진 산업입니다.
물류: 아마존 영향
물류 및 창고는 2024 년 로봇 배포의 32%를 차지하고 있으며, 대부분 아마존이 주도하고 있습니다. 스파로우의 선택 및 장소 시스템 배포 및 광범위한 세쿼이아 이행 재설계 등은 역사상 가장 큰 단일 회사 로봇 배포 프로그램을 나타냅니다. 아마존의 접근 방식은 교훈적입니다. 일반적 목적으로 로봇을 배치하는 대신, 그들은 특정 성취 센터 작업에 최적화된 고도로 전문화된 조작 시스템을 구축했습니다.
아마존을 넘어 DHL, FedEx, 그리고 아시아의 여러 전자상거래 사업자 등 물류 공급 업체는 2024년에 작은 규모의 로봇 픽싱 시스템을 배포했습니다. 공통의 끈은 분명합니다. 창고 노동의 경제 (많은 시설에서 연간 100%를 초과하는 매출률, 미국에서는 시간당 비용은 $18~$25입니다.)
자동차: 안정적이지만 변동
자동차 제조업은 배포의 28%를 차지한다. 이것은 성숙한 자동화 시장이지만 2024년에는 의미있는 전환이 일어났습니다. 새로운 배포는 고정된 가접 및 페인트 자동화보다는 점점 더 유연한 조작 (모델 년 사이에 변화하는 조립 작업) 을 포함합니다. 운전자는 전기차 제조업이며, 전통적인 ICE 차량 공장에서 생산 라인들이 재설정되는 경우가 더 많습니다.
전자: 규모의 정확성
전자 제조업은 동아시아 (중국, 한국, 일본, 대만) 에 집중되어 있는 이산업의 22%를 차지한다. PCB 조립, 부품 배치, 검사 등의 작업은 높은 정확성과 반복성을 요구한다. 새롭게 등장하는 추세는 시각 검사 및 변칙 탐지에 대한 학습된 정책을 사용하여 물리적 조작을 위해 전통적인 고정 자동화를 보완하고 있다.
식품 서비스: 가장 초기 이주자
식품 서비스는 2024 년의 배포 중 7% 만을 차지하지만 가장 빠르게 성장하는 수직률을 차지합니다. 미국 및 일본의 약 80 개 빠른 서비스 레스토랑 지역은 2024 년에는 부엌 작업에 로봇 시스템을 배포했습니다. 2023 년에는 20 개 미만이 있습니다. 경제는 고 노동 비용 시장에서 설득력을 얻고 있습니다. 프라이-디스펜싱 또는 버거-셈블 로봇은 2 년 3 년 동안 미국 노동률에 따라 amortizes.
| Vertical | Share of 2024 Deployments | YoY Growth | Leading Use Case |
|---|---|---|---|
| Logistics / Warehousing | 32% | +34% | Pick-and-place, sorting |
| Automotive | 28% | +12% | Flexible assembly, EV lines |
| Electronics | 22% | +18% | PCB assembly, inspection |
| Food Service | 7% | +300% | Kitchen automation, QSR |
| Healthcare | 3% | +45% | Pharmacy, sample transport |
| Agriculture | 3% | +28% | Harvesting, pruning |
| Other | 5% | +22% | Construction, inspection, retail |
2024 수직으로 배포
출처: RCSV 연구, IFR 2024
7장
투자: 전략적 자본이 점유되고 있다
로봇 분야에 대한 벤처캐피탈 투자는 2024년 전 세계적으로 4.8억 달러에 달했다. 2023년 4.1억 달러의 하위에서 17%의 회복이 되었다. 그러나 이 헤드라인 숫자는 체크를 작성하는 사람들의 구조적 변화를 가려합니다. 전략적 투자자들은 빅 테크 기업, 국방 계약업체 및 자동차 OEM의 기업 벤처기업들이 최근 10년 동안의 어느 시점에 비해 전체 자본의 더 큰 비중을 차지하고 있습니다. 전통적인 벤처펀드는 로봇 기술에서 물러나지 않았지만 독립적으로 주축을 수행하기보다는 전략적 파트너와 공동 투자하는 경우가 증가하고 있습니다.
빅 테크 논문
마이크로소프트, 아마존, NVIDIA가 로봇 투자에 참여하는 것은 자선적인 것이 아닙니다. 각 회사는 기존 플랫폼 전략의 렌즈로 로봇을 봅니다. 마이크로소프트는 AI 플랫폼의 확장으로 AI AI에 투자했습니다. OpenAI 투자를 주도한 같은 논리입니다. 아마존의 스파로우와 세쿼이아 프로그램은 노동 비용 절감 및 처리량 향상으로 정당화된 성취 효율에 대한 캐피ክስ 투자입니다. NVIDIA의 아이작 랩과 코스모스 발표는 로봇 시뮬레이션 및 훈련의 인프라 공급자로 위치합니다. AI 훈련 컴퓨팅에서 지배적인 역할을 한 동일한 "픽스 및 셰블" 전략입니다.
지리적인 자본 분포
미국 본사는 2024년에 세계 로봇 벤처 자본의 54%를 받았다. 중국은 26%를 받았다. 2022년에 22%에서 꾸준한 증가세를 이어서 유럽은 13%를 받았다. 독일 (생산 자동화), 프랑스 (서비스 로봇) 및 영국 (감시 및 물류) 에 집중된 활동이 있었다. 나머지 7%는 일본, 한국, 이스라엘 및 신흥 시장에 분포되었다.
미국-중국 분단은 근본적으로 다른 투자 논설을 반영한다. 미국 자본은 소프트웨어 및 모델 인프라에 집중되어 있다. 두 가지 전략 모두 가치가 있고, 둘 다 충분치 않다.
** 전략적 자본 논문:** 전략적 투자자들은 재정적 수익만을 위해 최적화 하는 것이 아니라 생태계 위치에 대해 최적화 하는 것입니다. 이는 경쟁 역학을 변화시킵니다. 전략적 자본이익 분배 장점으로 뒷받침되는 스타트업은 파트너십 및 출력 옵션에 대한 제약을 직면할 수 있습니다.
로봇에 대한 VC 투자 (B)
출처: RCSV 연구, PitchBook, 크런치베이스
2024 지리별 투기 (%)
출처: RCSV 연구, PitchBook
8장
2024 년 의 결정적 인 순간
매년 그 순간이 있습니다. 제품 출시, 자금 투기, 그리고 연구 결과는 후시로 보면 진정한 전환점을 나타냅니다. 이 기간의 역사가 쓰여질 때 가장 중요하다고 생각하는 2024 년의 여섯 가지 사건은 다음과 같습니다.
1. 그림 01 + 오픈AI 파트너십
FIGURE AI의 675M 달러의 B 시리즈와 OpenAI와의 동시 파트너십은 지금까지의 큰 언어 모델과 물리적 로봇의 가장 높은 인맥을 나타냈다. 파트너십의 명시된 목표는 GPT 클래스 언어 이해를 자연어 방향 조작을 위해 FIGURE의 인형 하드웨어와 통합하는 것입니다. 하지만 시장에 보내는 신호는 즉각적이었다. 세계에서 가장 가치 있는 인공지능 회사는 물리 로봇을 핵심 전략적 우선순위로 간주하고 연구 호기심이 아닙니다. 발표 이후 몇 주 동안 산업 전반에 걸쳐 자본 분배가 눈에 띄게 바뀌었습니다.
2. 물리 지능이 설립되었습니다. (70M 달러)
로보틱스 역사상 가장 큰 씨앗인 7천만 달러의 시드 라운드 (70M$) 를 통해 물리 지능의 설립은 "로보틱스용 기초 모델" 논문을 최고 수준에서 검증했다. 구글 브레인, 버클리, 스탠퍼드에서 유래된 팀은 하나의 무게 집합에서 여러 형태 요소를 제어할 수 있는 일반적 목적으로 로봇 기초 모델을 인 π₀를 구축하기 위해 노력했다. π₀가 이 목표를 달성하는 것은 2024년에 70M 달러의 제도적 자본이 달성가능하다는 전제로 투입된 사실보다 덜 중요합니다.
3· H1 및 G1 배운전
Unitree의 H1 풀 사이즈 인형형을 약 9만 달러에, G1 컴팩트 인형형은 약 16만 달러에 배송하기로 결정한 것은 인형형 가격에 대한 업계의 가정을 재설정했다. Unitree 이전에는 생산 인형형에 대한 합의 추정치는 15만 달러에 달했다. 유니트리 (Unitree) 는 중국인 제조업 기반을 활용하여 4발을 생산하는 공격적인 하드웨어 비용 최적화를 통해 그 범위를 40~60% 압축할 수 있음을 입증했습니다. 특히 G1는 새로운 범위를 개척했습니다. 인형형 로봇은 연구 연구실과 교육에 접근 할 수 있는 가격으로 제공됩니다.
4. NVIDIA 아이작 랩과 코스모스
NVIDIA의 아이작 랩 (로봇 학습을 위한 통일된 시뮬레이션 플랫폼) 과 코스모스 (물리적으로 유연한 합성 데이터를 생성하는 세계 모델) 의 발표는 회사를 신흥 로봇 AI 스택의 인프라 공급업체로 배치했습니다. 아이작 랩은 NVIDIA의 기존 시뮬레이션 기능을 현대 로봇 학습 도구 (기능학교 호환성, RL/IL 훈련 루프) 로 통합했다. 코스모스는 비디오 데이터에 훈련된 생성 모델이 로봇을 위해 물리적으로 유연한 합성 훈련 데이터를 생성할 수 있음을 보여주며 더 나아가게 되었다. 오래 전 약속된 시뮬레이션 혁명은 본격적으로 시작되었다.
5 포옹 얼굴 레로봇
허깅 페이스의 르로봇 출시는 로봇 학습에 NLP 커뮤니티의 오픈소스 윤리를 가져왔다. 르로봇은 NLP 훈련 데이터에 대해 허깅 페이스의 데이터셋 라이브러리가 했던 것과 유사한 로봇 시범 데이터를 수집, 큐레이션 및 공유하기 위한 표준화된 프레임워크를 제공했다. 초기 도입은 학술 연구소에서 집중되었으나 그 틀의 중요성은 연구 이상의 영역을 넘어설 수 있습니다. 로봇 데이터에 대한 공유된 어휘와 도구 체인을 구축하여 차세대 로봇 기업들의 진출 장벽을 낮추게 됩니다.
6· 1X 기술 증가
1X 테크놀로지 (전 Halodi Robotics) 는 삼성전자와 NVIDIA의 참여로 EQT 벤처스가 주도하는 시리즈 B에서 1M 달러를 모았다. 이 라운드는 약 500M 달러에 회사를 평가하고 NEO 인형 로봇 프로그램의 확장을 지원했습니다. 1X의 접근 방식은 AI 통합으로 1X가 주도하는 것으로 강조됩니다. 1X는 구조화되지 않은 환경에서 안전하고 인간-로봇 상호 작용을 이끌고 있으며, 공장 바닥보다는 가정 및 상업 건물 응용 프로그램을 목표로합니다.
6개의 순간의 패턴: 자본은 하드웨어 혁신에만
9장
2025 년 이 가져오게 될 것
예측은 겸손하다. 그리고 우리는 적절한 불확실성으로 다음과 같은 관점을 제시합니다. 이것은 RCSV 연구팀이 2024년에 설정된 궤도에 따라 2025년을 정의할 것이라고 믿는 주제입니다.
1. VLA 모델은 1015%의 배포 비중을 달성합니다
2024년 0%에서 5%까지의 궤도는 정비 도구가 성숙하고 추론 비용이 감소함에 따라 VLA 채택이 가속화 될 것으로 시사한다. 우리는 VLA가 2025년 4분기까지 새로운 상업적 배포의 10~15%에 존재할 것으로 예상하고 있으며, 물류 및 식품 서비스 분야에 집중되어 있으며, 작업 분포는 언어 조건에 따라 조작에 잘 적합합니다.
2· 데이터 수집 비용 은 시간당 200달러 이하 로 떨어진다
지속적인 하드웨어 상품화 (중국 리더-따라자 시스템 $ 1,500 이하) 및 도구 성숙화 (레로봇, DROID v2) 는 원전 운영 데이터의 완전 부하 비용을 $ 200 / 시간 이하로 밀어 넣을 것입니다. 이 임계량은 500 시간 데이터 세트를
3. 인간형 플랫폼은 57까지 도달한다
적어도 두 개의 인형 플랫폼 (Agility, Figure, Unitree를 넘어) 은 2025년에 상업적으로 사용할 수 있을 것이다. 후보자는 Apptronik의 아폴로, 테슬라의 옵티머스 (한정 배포) 및 1X의 NEO를 포함합니다. 인형 시장은 세그먼트를 시작하게 될 것입니다: 물류 최적화 된 양발두발두발, 일반적 목적으로 연구 플랫폼 및 교육 및 가벼운 상업용용용용용용용용용용 컴팩트 시스템.
4· 최초의 "로봇 데이터 시장"이 시작되었습니다
데이터 수집 경제와 에피소드 형식의 표준화는 로봇 시범 데이터의 첫 상업적 시장을 가능하게 할 것입니다. 자신의 데이터를 수집 할 수 있거나 원하지 않는 팀은 특정 작업 범주에 대한 큐레이션 데이터 세트를 구입할 수 있습니다. 시범 데이터의 가격은 품질과 작업 복잡성에 따라 50~200 달러 / 시간입니다.
5. 실체로 시뮬레이션 전송이 IL에 실용화되고
사진현실적인 렌더링 (NVIDIA Cosmos) 과 향상된 도메인 무작위화 조합은 처음으로 시프-실적 전송을 모방 학습에 실용화 할 것입니다. 팀은 지원되는 작업 범주에서 실제 데이터 수집 필요성을 50~70% 감소시켜 2,000 개의 시뮬레이션 버전에 의해 200 개의 실제 시뮬레이션을 보충합니다.
6· 전략적 수합 및 인수 가속화
전략적 투자자들에 대한 자본 집중 (장 7에 설명된) 은 인수로 번역될 것이다. 우리는 2025년에 적어도 3
2025년 우리의 전반적인 견해: 2025년에 승리할 기업은 최고의 하드웨어나 가장 큰 모델이 아니라 가장 효율적인 데이터 수집 파이프라인을, 가장 엄격한 정책 평가 시스템을, 그리고 그들의 배치 수직에 대한 깊은 이해를 가진 기업입니다. 인프라 계층
이 보고서를 인용 해 보십시오
실리콘밸리 로봇센터 (2024). _로봇의 상태 2024: 글로벌 로봇 산업에 대한 연례 보고. _ RCSV 연구.
복사 인용
로봇 기술 에서 앞장서
로봇 배포, 데이터 수집, 물리 AI에 대한 최신 정보를 수신 상자에 전달하십시오.