지능형 로봇 공학의 발전은 고성능 센서, 멀티모달 제어 시스템, 강화학습 기술의 통합을 필요로 하지만, 여전히 높은 개발 장벽과 인프라 복잡성으로 인해 스타트업, 연구 기관, 개인 개발자의 진입이 어렵다. 이에 따라 학습부터 배포까지 전 주기를 지원하는 체계적이고 개방된 기술 리소스에 대한 수요가 증가하고 있다.

휴머노이드 로봇  솔루션 기업 선전 엔진AI 로보틱스(Shenzhen EngineAI Robotics, 이하 엔진AI)가 로봇 개발 전반을 지원하는 포괄적인 오픈소스 리소스를 공식 공개했다. 이번 오픈소스 모음은 모듈형 아키텍처 설계, 멀티모달 제어, 알고리듬 훈련, 실전 배포에 이르는 로봇 공학 핵심 영역을 아우른다.

엔드투엔드 오픈소스 구조, 훈련과 배포의 이중 프레임워크

이번에 공개된 오픈소스 기술의 핵심은 훈련 코드 저장소와 배포 코드 저장소로 구성된 이중 프레임워크이다. 이 구조는 알고리듬 훈련부터 실제 적용까지 로봇 개발의 전체 흐름을 지원하는 엔드투엔드 솔루션을 제공한다.

훈련 측면에서는 엔진AI RL 워크스페이스(EngineAI RL Workspace)가 중심에 있다. 이 플랫폼은 다족 보행 로봇을 위한 모듈형 강화학습 환경으로, 환경 설정, 알고리듬 훈련, 성능 평가까지 통합적으로 구성돼 있다. RL 워크스페이스는 ▲환경 모듈 ▲알고리듬 엔진 ▲공유 툴킷 ▲통합 계층 등 네 가지 클러스터로 구성되며, 각 요소는 독립적으로 캡슐화돼 있어 개발 중 개별 모듈 수정이 전체 시스템에 영향을 주지 않는다.

이 구조는 통신 오버헤드를 최소화하고 협업 효율성을 높인다. 단일 실행기를 통한 학습-추론 통합 설계는 개발자가 알고리듬 혁신에 집중할 수 있게 하며, 알고리듬과 환경의 분리로 반복 실험이 원활하게 진행된다.

RL 워크스페이스는 학습 도중 영상을 자동 녹화하는 동적 녹화 시스템, 실험 반복성과 버전 불일치를 방지하는 지능형 버전 관리 시스템 등을 탑재해, 실험 자동화 및 추적 관리 기능도 강화됐다.

실전 적용을 위한 ROS2 배포 프레임워크, 엔진AI ROS

훈련된 알고리듬을 실제 로봇 시스템에 적용하기 위한 구성 요소로는 엔진AI ROS가 포함된다. 이는 ROS2 기반의 배포 프레임워크로, 학습된 모델을 실사용 환경에 안정적으로 연결하고 구현할 수 있도록 설계됐다.

이 배포 프레임워크는 학습 환경과 실제 로봇 간의 간극을 줄이며, 기존 인프라에 빠르게 통합 가능하도록 문서화된 가이드와 예제 코드를 함께 제공한다. 이를 통해 개발자는 훈련 모델을 바로 응용하고 검증할 수 있으며, 프로젝트의 배포 속도와 품질을 향상시킬 수 있다.

엔진AI는 이번 오픈소스를 통해 기술 진입 장벽을 낮추고 글로벌 개발자 생태계 참여를 유도한다는 전략을 밝혔다. 이와 함께 학습과 배포 프레임워크 모두에 대한 상세 사용자 가이드를 함께 제공해, 스타트업, 연구 기관, 개인 개발자가 손쉽게 프로젝트에 도입할 수 있도록 지원하고 있다.

로봇 개발의 전환점, 협업 중심 오픈소스로 실현

엔진AI의 이번 오픈소스 릴리스는 단순한 코드 공유를 넘어, 체계적이고 상호 운용 가능한 로봇 개발 표준을 제시함으로써 글로벌 로봇 기술의 접근성과 효율성을 높이는 계기가 되고 있다.

모듈형 구조, 강화학습 자동화, 배포 프레임워크의 조합은 로봇 개발 속도와 품질을 동시에 향상시키며, 연구개발 환경의 복잡성을 줄이고 실험 가능성을 확대할 수 있는 기반이 된다.

엔진AI는 향후 휴머노이드 로봇뿐만 아니라 다양한 지능형 기계의 체현지능(Embodied Intelligence) 구현을 위한 기술 확대와 국제 공동 개발을 지속적으로 추진할 계획이다.

엔진AI의 설립자 겸 CEO 자오 통양(Zhao Tongyang)은 “오픈소스는 단순한 기술 공개를 넘어 로봇 생태계를 구축하는 전략”이라며 “고급 프레임워크를 공유함으로써 개발자의 역량을 강화하고, 범용 휴머노이드 개발을 가속화하겠다”고 밝혔다.