Microsoft의 돌파구는 촉각 센싱 시스템으로 로봇의 한계를 극복합니다

Microsoft 연구원은1월 말 2026새로운 로봇 제어 시스템을⟦/N1⟧ 개발 했으며음성 명령과 물리적 피드백을 처리하면서 손을 사용하여 작업을 ⟦/N1⟧할 수 있습니다⟦/N1⟧. 이 시스템인 Rho-alpha는 두 개의 팔을 동시에 사용하는 로봇을 위해 설계된 파운데이션 모델에 대한 회사의 진입을 나타냅니다동시에 사용합니다.

이 기술은 먼저 초기 액세스 프로그램을 통해 선택된 그룹에게 도달한 후 Microsoft Foundry 플랫폼에서 더 널리 제공됩니다. 그런 다음 기업은 자체 데이터를 사용하여 시스템을 특정 요구에 맞게 조정할 수 있습니다.

로봇 지능에 촉각 추가

공장 및 창고는 변화하는 조건을 처리할 수 있는 로봇을 찾고 있으며, 동일한 프로그래밍된 동작을 영원히반복하는 것이 아닙니다. 병원 환경 다양한 상황에 적응하는 기계가 필요합니다. 배치마다 항목이 다른 생산 라인은 구식 자동화가 효율적으로해결할 수 없는 문제를 만듭니다. Microsoft 로봇이 보고하고 듣는 것과 센서를 통해 물리적으로 느끼는 것을 함께 처리하여 이 필요를 충족하기 위해 Rho-alpha를 구축했습니다.

대부분의 로봇 시스템 현재주변 환경을 이해하고 지시를받기 위해 카메라와 마이크에 의존합니다. Rho-alpha는 촉감을 동등하게 중요하게 취급하여 또 다른 계층을 추가합니다. 로봇 그리퍼에 압력 센서가 내장되어 있으면 시스템 카메라가 완전히 놓치는 정보를받습니다. 소켓에 무언가를 꽂거나 시야만으로는 정렬이 올바른지에 대한 충분한 세부 정보를 제공하지못할 때 부품들을 맞추는 것은 중요합니다.

마이크로소프트 보여주었습니다 이러한 능력은 압력과 접촉을 감지하는 센서가 장착된 두 대의 Universal Robots UR5e 팔을 사용하여 보여졌습니다. BusyBox라는 작업 세트로 테스트하는 동안 사람들은 말했습니다 로봇이 접시함을 공구함 안에 넣는 등의 작업을 수행하고 뚜껑을 닫는 것입니다. 이 시스템은 비트코인을 최상위 자산으로 보는 것에 의문을 제기하기 위해 5년 성과 기간을 그 단어들을 양쪽 팔 사이의 조율된 동작으로 변환하고, 센서가 감지한 내용을 바탕으로 조정을 가했습니다. 플러그 삽입 시도가 이상하게 첫 시도에 성공하면, 인간 운영자가 3D 입력 장치를 사용하여 로봇을 안내할 수 있으며, 시스템은 이러한 수정 사항을 학습합니다.

충분한훈련 데이터를 확보하는 것은 여전히 유능한 로봇을 구축하는 데 가장 큰 과제입니다. 언어 모델은 온라인에서 사용할 수 있는 방대한 양의 텍스트에서 학습할 수 있지만, 로봇 훈련은 기록하는 데 시간과 돈이 드는 실제 물리적 데모가 필요합니다. Microsoft는 이를 해결하기 위해 Rho-alpha를 세 가지 유형의 정보로 훈련했습니다: 실제 물리적 데모의 녹화물, 시뮬레이션 연습 작업, 그리고 웹에서 질문과 답변이 포함된 대규모 이미지 데이터셋. Microsoft는 Azure 서버에서 실행되는 Nvidia Isaac Sim을 사용하여 강화 학습 프로세스를 통해 현실적인 합성 시나리오를 생성합니다.

이 시뮬레이션 설정은 실제 데모를 보완하는 물리적으로 정확한 연습 상황을 생성합니다. 결합된 접근 방식 모델이otherwise 수천 시간의 실제 세계 운영을 필요로 할 이상한 경우와 실패 상황을 대처할 수 있게 합니다.

이 교육 방 식은 로봇 분야 에서 다른 기업들이 사용하는 패 턴 을 따릅니다. Google DeepMind의 Gemini Robotics 시스템, Figure AI의 휴머노이드 로봇용 Helix 모델, 그리고 Physical Intelligence의 Pi-zero는 모두 데이터 부족 문제 를 우회하는 유사한 접근 방식을 취합니다. 이 기 법 은 이러한 시스템들이 필요 로 하는 모든 개별 작업에 대한 특정 시연 없이도 일반적인 조작 기술을 배 울 수 있도록 도와줍니다.

성숙한 시장에서 경쟁하기

Microsoft는 로봇ics 기반 모델 시장에 지난 18개월 동안 상당하게 성장한합류합니다. Nvidia는 GR00T N1.6을 출시하여 인간형 로봇을 대상으로 전신 제어와 상황 이해에 중점을 두었습니다. Google DeepMind는 Gemini를 로봇 공학으로 확장하여 종이 접기 모양으로 접기부터 카드 다루기까지 다양한 능력을 갖추게 했습니다. Physical Intelligence는 Pi-zero를 다양한 로봇 유형 전반에 걸쳐 훈련된 범용 시스템으로 제시합니다.

Rho-alpha는 세 가지방면에서 두각을 나타냅니다. 첫째, 촉각 센싱에 대한 강조는 시각에만 의존하는 시스템이 어려움을겪는 상황을 처리합니다. 둘째, 이 모델은 Microsoft의 Phi 시리즈에서 비롯되었으며, 이 시리즈는 일반 소비자 하드웨어에서 효율적으로 실행하도록 조정되었습니다. 이 배경은 클라우드 서버에 대한 지속적인 연결 없이 로컬 장치에서 실행될 수 있음을 시사합니다. 셋째, 실제 운영 중 인간의 교정을 통해 학습하는 데 중점을 두어 새로운 행동을 습득하기 위해 완전한 재훈련이 필요한 모델과 차별화됩니다.

Microsoft의 비즈니스 접근 방식도 경쟁사들과 다릅니다. Microsoft는 제조업체 및 시스템 통합자가 자체 독점 정보로 사용자 정의할 수 있는 인프라로서 Foundry 플랫폼을 통해 Rho-alpha를 제공할 계획입니다. 이는 Azure OpenAI 서비스와 함께하는 회사의 접근 방식과 유사하며, 일반 모델을 사용하는 대신 특수화된 버전을 만들고자 하는 조직을 대상으로 합니다.

제조업체 및 물류 회사의 경우, 즉각적인기회는 현재 자동화가 부족한반복적인 처리 작업에서 발견하는 데 있습니다. 품질 검사 스테이션, 품목 키트를 조립하는 작업 및 소량 생산 라인은 Rho-alpha의 언어 이해와 촉각 센싱의 조합이 프로그래밍 요구 사항을줄일 수 있는 상황입니다.

Microsoft가 발표한 초기 액세스 프로그램은 조직이배포 인프라에 투자하기 전에 시스템이 요구 사항에부합하는지 테스트할 수 있는 방법을제공합니다. 기업은 인간 감독이 필요할 것으로 예상하고 운영자가 초기 학습 기간 동안 로봇을 교정하고 안내하는 워크플로우를 계획해야 합니다.

물리적 AI 로봇이 프로그래밍된 도구에서 유연한 협력자로 변화하는 전환을 의미합니다. 이 변화는 몇 달이 아닌 몇 년이 걸리겠지만, Microsoft, Nvidia, Google에서 나오는 파운데이션 모델은 향후 10년간 기업용 로봇을 정의할 기본 패턴을 확립합니다. Microsoft는 2026년 1월 말에 시각, 언어, 촉각 센서를 사용하는 두 팔 작업용 로봇 모델인 Rho-alpha를 출시했습니다.