로봇팔 · VPA
시뮬레이션 시험10가지 집안일 성공률작업당 20회, 1차 결과
슬링에이아이는 VPA(Vision-Predictor-Action)를 만듭니다. 카메라로 보고, 다음 순간을 예측하고, 바로 움직이는 로봇 제어 AI입니다. 중간에 거대 언어모델(LLM)을 거치지 않습니다. 같은 구조로 로봇팔과 드론을 모두 제어하며, 크기가 약 70 MB라 고가 GPU 없이 기기 안의 저전력 보드에서 작동합니다.
현재 단계: 시뮬레이션에서 작동을 검증했고, 모델·코드·데이터를 모두 공개했습니다. 실물 로봇팔·드론 시험은 2027년 상반기에 시작합니다.
하나의 VPA 두뇌
약 70 MB, 고가 GPU 없이 기기 안에서 작동
무엇을, 누구에게 팔고, 지금 어디까지 왔는지.
요즘 로봇 AI는 본 것을 먼저 ‘말’로 바꾼 뒤, 거대 언어모델(LLM)로 생각하고 나서야 움직입니다.
챗GPT 같은 4 GB 이상의 LLM을 쓰고, 고가 GPU가 꼭 필요합니다.
한 단어씩 계산하기 때문에 갑자기 나타난 장애물에 늦게 대응합니다.
로봇팔과 드론의 AI가 제각각이고, 드론에는 큰 모델을 싣기도 어렵습니다.
느리고, 무겁고, 제각각이라는 점이 로봇·드론 현장 보급의 걸림돌입니다.
VPA에는 ‘말’ 단계가 없습니다. 작은 신경망 4개가 차례로 돌고, 마지막 신경망이 이어지는 동작 전체를 한 번에 씁니다.
‘말’ 단계 없이, 5번 계산으로 연속 동작 전체를 계획합니다.
70 MB는 AI를 이루는 숫자(파라미터) 1,813만 개 기준입니다 (Aero-VPA). 로봇팔용 VPA도 2,000만 개 미만의 같은 크기급입니다.
같은 구조를 로봇팔 데이터로 학습하면 VPA, 드론 데이터로 학습하면 Aero-VPA가 됩니다.
10가지 집안일 성공률작업당 20회, 1차 결과
숲 시뮬레이션 목적지 도달률180회 비행, 충돌 72% → 22%
하나의 VPA: 같은 구조, 약 70 MB, 계산 단 5번, 저전력 소형 보드.
지금까지의 결과는 시뮬레이션 결과입니다. 실물 로봇팔·드론 시험은 2027년 상반기 예정입니다.
기존 로봇 AI는 거대 언어모델을 쓰거나, 드론이라면 지도부터 그린 뒤에야 길을 계산합니다. VPA는 둘 다 하지 않습니다.
| 구분 | 두뇌 크기 (파라미터) | 필요 장비 | 동작 만드는 법 | 적용 |
|---|---|---|---|---|
| 대형 로봇 AI구글 등 빅테크 · LLM 기반 | 33억 ~ 550억 | 고가 GPU | 말로 바꿔 생각 | 로봇팔 |
| 소형 로봇 AI공개 소형 모델 · LLM 기반 | 약 4.5억 | 일반 GPU·PC | 말로 바꿔 생각 | 로봇팔 |
| 지도 기반 자율비행지도부터 그리는 전통 방식 | 해당 없음 | 여러 센서 | 지도 그린 뒤 길 계산 | 드론 |
| SLING AIVPA · Aero-VPA | 약 1,800만 | 저전력 소형 보드 | 계산 5번, 즉시 | 로봇팔 + 드론 (같은 구조) |
대형 로봇 AI의 1/100 이하
항상 5번 계산으로 결정
같은 구조로 로봇팔·드론 제어
안전장치로 드론 충돌 72% → 22%
두뇌 크기: AI를 이루는 숫자(파라미터)의 개수, 공개 논문 기준 (구글 RT-2 최대 550억 · OpenVLA 70억 · π0 33억 · SmolVLA 4.5억).
같은 VPA 소프트웨어로 두 가지 방식의 매출을 만듭니다.
로봇·드론 수요는 급증하고 있고, 고가 GPU가 보급의 걸림돌입니다.
하나의 VPA로 두 시장을 동시에 공략합니다.
출처: 국토교통부 「2024 드론산업 실태조사」, IMARC
2026완료
2027 상반기
2027 하반기
2028
Dr. Yeonseok Lee · 정보학 박사
나고야대학교 정보학 박사 (2026)
“이론적 엄밀함과 현장 실무 경험의 결합을 통한 AI 제어 기술 혁신”