피지컬 AI가 실제 산업 현장에서 작동하려면 가상환경에서 학습한 모델이 현실에서도 성능을 유지해야 한다. 공장과 물류센터, 도시 등 물리적 공간을 인식하는 AI는 시뮬레이션과 합성 데이터를 학습에 활용하지만 가상환경과 현실 사이의 차이가 성능 저하로 이어질 수 있다. 이른바 ‘Sim2Real’ 격차를 얼마나 줄이느냐가 로봇과 자율주행, 산업 자동화 기술의 현장 적용을 좌우한다. 씨이랩이 합성 데이터만으로 학습한 AI 모델을 실제 영상에서 평가하는 글로벌 경진대회에서 최종 1위를 차지했다.
피지컬 AI 전문기업 씨이랩은 엔비디아가 주관한 ‘2026 AI City Challenge’의 트랙4 부문에서 최종 1위로 확정돼 ECCV 2026 현장에서 수상했다고 9일 발표했다. 씨이랩은 공개 리더보드에서 1위를 기록한 뒤 주관사의 규정 검증 절차를 통과해 공식 우승팀으로 선정됐다.
씨이랩이 ‘2026 AI City Challenge’ 트랙4 부문에서 최종 1위를 차지해 ECCV 2026 현장에서 수상했다. (사진 제공: 씨이랩)
AI City Challenge는 지능형 교통과 스마트시티, 피지컬 AI 분야의 컴퓨터 비전 기술을 평가하는 대회다. 올해 10회째를 맞은 대회에서는 합성 데이터로 학습한 모델을 실제 환경에 적용하는 합성-실제 전이 학습이 주요 평가 영역으로 다뤄졌다.
합성 이미지 101만 장으로 실제 영상 성능 검증
씨이랩이 참가한 트랙4는 텍스트를 기반으로 영상 속 특정 인물이나 이상 상황을 탐색하는 Sim2Real 과제다. 참가팀은 주최 측이 제공한 약 101만 장의 합성 이미지만으로 AI 모델을 학습한 뒤 실제 영상 데이터를 대상으로 탐색 성능을 평가받았다.
가상 데이터는 실제 현장에서 발생할 수 있는 다양한 상황을 시뮬레이션해 AI 학습에 활용할 수 있다는 장점이 있다. 하지만 조명과 배경, 객체의 움직임 등 현실 환경의 변수로 인해 가상 데이터에서 높은 정확도를 보인 모델도 실제 영상에서는 성능이 낮아질 수 있다. 씨이랩은 합성 데이터로 학습한 모델이 실제 영상에서도 탐색 성능을 유지하도록 가상환경과 현실 사이의 격차를 줄이는 기술력을 이번 대회에서 검증받았다.
회사는 대회에서 확인한 기술을 비전 AI와 디지털 트윈 사업에 연계할 계획이다. 산업 현장을 디지털 트윈으로 구현한 뒤 AI 학습에 필요한 합성 데이터를 생성하고, 이를 활용해 모델을 학습한 후 실제 현장에 적용하는 구조다.
씨이랩은 디지털 트윈 구축과 합성 데이터 생성, AI 모델 학습, 현장 적용을 하나의 과정으로 연결해 기업의 피지컬 AI 도입을 지원한다는 구상이다. 실제 데이터를 충분히 확보하기 어려운 상황에서도 가상환경에서 필요한 학습 데이터를 만들고 현장 데이터와 결합해 모델의 적용 가능성을 높일 계획이다.
송유진 씨이랩 최고기술책임자는 “피지컬 AI를 현장에 적용하기 위해서는 가상에서 배운 모델이 실제 환경에서도 제대로 작동하는지가 중요하다”며 “이번 성과를 통해 가상 데이터를 현장에 적용할 수 있는 씨이랩의 AI 기술을 확인했다”고 말했다. 이어 “가상 데이터와 현장 데이터를 융합한 기술로 피지컬 AI의 현장 적용을 선도하겠다”고 덧붙였다.
The post 가상에서 배워 현실 영상을 읽었다…씨이랩, 엔비디아 AI 경진대회 1위 appeared first on 벤처스퀘어.