실리콘밸리 스타트업 휴먼 아카이브(Human Archive)가 인도의 긱 경제(Gig Economy, 필요할 때마다 단기로 계약해 일하는 경제 체제) 인력을 활용해 로봇 학습용 1인칭 시점(Egocentric) 데이터를 수집하고 있다. 이들은 가사 서비스, 호텔, 레스토랑 분야의 기업들과 파트너십을 맺고 작업자가 카메라가 달린 특수 캡을 착용한 채 일상 업무를 수행하게 하며, 이를 통해 로봇이 실제 환경에서 어떻게 움직여야 하는지를 가르치는 데이터를 확보한다. 현재 여러 지역에 1,000대 이상의 활성 헤드셋을 배치했으며, 최근 윙 벤처 캐피털(Wing Venture Capital)과 Y 콤비네이터(Y Combinator)를 비롯해 OpenAI, 엔비디아(Nvidia), 구글(Google), 메타(Meta) 출신 엔젤 투자자들로부터 820만 달러의 투자를 유치했다.
UC 버클리와 스탠퍼드 출신 연구원들이 설립한 이 회사는 물리적 작업을 수행하는 로봇을 개발하려는 AI 기업들이 겪고 있는 '고품질 실제 데이터 부족'이라는 병목 현상을 인도의 거대한 노동 시장으로 해결하려 한다. 특히 고객이 데이터 수집에 동의하면 서비스 비용을 할인해 주는 방식으로 데이터 확보의 효율성을 높였다. 이는 단순히 영상을 찍는 것을 넘어, 실제 인간의 노동 과정을 디지털 자산으로 전환해 물리 AI(Physical AI, 실제 물리 세계에서 상호작용하는 AI)의 학습 속도를 앞당기려는 시도로 풀이된다.
현장 노동에서 찾은 로봇 학습 데이터
카메라가 달린 특수 캡을 쓴 노동자들이 호텔과 레스토랑, 홈 서비스 현장에서 평소처럼 업무를 수행한다. 이들이 보는 시선 그대로를 담은 1인칭 시점(egocentric, 작업자의 눈높이에서 본 영상) 데이터가 로봇 학습의 핵심 재료가 된다. 실리콘밸리 스타트업 Human Archive는 현재 여러 지역에 1,000개 이상의 헤드셋을 배치해 실제 현장의 움직임을 수집하고 있다.
물리적인 세계에서 로봇이 수행해야 할 작업 데이터가 부족하다는 문제는 업계의 오랜 고민이었다. 이를 해결하기 위해 Wing Venture Capital과 Y Combinator를 비롯해 OpenAI, Nvidia, Google, Meta, NVP Capital, BAIR, SAIL 등의 엔젤 투자자들이 820만 달러의 자금을 조달했다. 실세계의 물리적 작업 데이터를 확보하려는 전략적 투자가 이루어진 셈이다.
데이터 수집에 참여하는 노동자들에게 지급되는 기본 수당은 시간당 1달러 수준이다. 이는 시간당 약 250~400루피(약 2.63~4.20달러)를 지급하는 다른 기업들과 비교해 낮은 금액이다. CEO Raj Patel은 인도 현지 입지를 활용해 보상 비용을 낮게 유지할 수 있다는 입장을 밝혔다.
촉각과 모션까지 붙인 데이터 수집 방식
단순한 영상 기록을 넘어 손목 카메라와 전신 모션 캡처 수트, 촉각 장갑까지 동원해 데이터를 모은다. RGB-D(색상 이미지와 거리 정보를 결합한 데이터)에 움직임과 촉각 힘(물체가 닿을 때 느껴지는 압력) 정보를 실시간으로 정렬해 수집하는 방식이다. 단순히 여러 장치를 쓰는 것에 그치지 않고 모든 센서가 같은 시점에 기록되도록 맞추는 동기화 작업에 집중한다. 비유하자면 로봇에게 단순히 보는 법만 가르치는 것이 아니라, 물체를 잡을 때 어느 정도의 힘을 줘야 하는지와 몸의 중심을 어떻게 잡아야 하는지를 동시에 학습시키는 과정이다. Human Archive(인간의 행동 데이터를 수집해 AI 기업에 판매하는 기업)는 영상 데이터만으로는 정보가 부족하며, 다양한 센서 데이터를 결합했을 때 데이터의 가치가 비약적으로 높아진다고 판단했다.
데이터 확보를 위한 전략으로는 서비스 이용 가격을 차등 적용하는 방식을 활용한다. 작업자가 가정에 방문하면 고객은 앱을 통해 데이터 수집 동의 여부를 선택하게 된다. 사용자는 앱 화면에서 제공되는 두 가지 선택지 중 자신의 선호에 맞는 옵션을 즉각적으로 결정해 적용받는다. 수집에 동의하면 할인된 가격으로 서비스를 이용할 수 있고, 기록을 원하지 않는 경우에는 정상 가격을 지불하는 구조다. 이는 단순한 가격 혜택을 넘어 실용적인 이점을 제공하는 설계다. 고객들은 서비스 품질과 관련해 추후 분쟁이 발생했을 때, 기록된 영상이 명확한 증거가 되어 문제 해결에 도움이 된다는 점 때문에 할인 옵션을 선호하는 경향을 보인다.
로봇 데이터 수집을 현장에서 판단할 기준
로봇이 실제 현장에서 쓸모 있게 움직이려면 단순히 보는 법을 넘어 만지는 감각과 몸의 균형을 동시에 배워야 한다. 영상 데이터만으로는 물체를 잡는 압력이나 세밀한 손동작을 구현하기 어렵기 때문이다. 데이터 도입을 검토할 때는 시각 정보인 RGB-D와 촉각, 모션 데이터가 실시간으로 얼마나 정확하게 일치하는지 확인해야 한다. 여러 센서의 기록 시점이 어긋나면 로봇은 엉뚱한 타이밍에 힘을 주는 오류를 범할 수 있으며 이는 곧 작업 실패로 이어진다.
데이터 수집 비용과 윤리적 리스크 사이의 균형점도 살펴야 한다. 인도와 같은 지역의 저렴한 인건비를 활용해 대량의 데이터를 빠르게 확보하는 전략은 비용 효율적이지만, 경쟁사보다 현저히 낮은 수당 지급은 노동 환경에 대한 비판이나 데이터 품질 저하라는 리스크를 동반한다. 고객에게 할인을 제공해 데이터 수집 동의를 얻는 방식은 데이터 확보 속도를 높이는 영리한 전략이지만, 실제 현장에서의 개인정보 보호 기준이 엄격하게 적용되는지 점검할 필요가 있다.
이러한 다중 센서 데이터가 충분히 쌓인다면 로봇은 호텔이나 레스토랑 같은 복잡한 환경에서도 사람처럼 유연하게 대처할 가능성이 높다. 특히 글로벌 빅테크 기업들이 이 방식에 투자하는 이유는 물리적 세계의 데이터 부족 문제를 해결할 실질적인 대안으로 보기 때문이다. 다만 이는 수집된 데이터가 특정 환경에 치우치지 않고 얼마나 다양한 현장 상황을 반영하고 있느냐에 따라 그 가치가 결정될 것이다.
