Sim-to-Real Transfer (시뮬레이션-현실 전이)

가상 환경(Simulation)에서 AI를 학습시킨 후, 그 지식을 실제 물리 세계(Real)의 로봇에 적용하는 기법.

필요성

• 실제 로봇 학습은 비용·위험·시간이 크다
• 가상 환경에서는 빠르고 안전하게 수백만 번 시도 가능
• 단, 시뮬레이션과 현실의 물리 차이(“Sim-to-Real Gap”)가 존재

방법론

1. 모방 학습 (Imitation Learning): 사람이 직접 움직이는 것을 로봇이 학습
2. 강화 학습 (Reinforcement Learning): 가상 환경에서 보상 기반 학습
3. Domain Randomization: 시뮬레이션 파라미터를 랜덤화해 현실 적응력 향상

Google I/O 2025에서의 위치

• Physical-AI 트랙의 핵심 기술
• Genie 3가 물리 시뮬레이션 환경 자동 생성 → Sim-to-Real 학습 효율 향상
• gemma-4 기반 로컬 AI가 로봇 내부에서 추론 담당

관련 개념

• 월드-모델: 시뮬레이션 환경의 불완전한 물리 법칙을 보완
• Physical-AI: 최종 적용 영역
• Agentic-AI: 디지털에서 피지컬로 에이전트 확장

출처

• yt-FmcX0VKJres-AI로-새로운-비즈니스-구글IO-실리콘밸리-EP1