Claude Opus 4.7이 로봇을 스스로 다루기까지: Project Fetch Phase Two 정리

이 글은 Project Fetch Phase Two 실험을 통해 확인된 최신 대형 언어 모델의 로봇 활용 능력 변화를 정리한 글입니다. 특히, 일반 직원과 AI 모델이 로봇을 다루는 속도와 방식이 어떻게 달라졌는지, 그리고 AI가 실제 물리적 도구를 스스로 다루는 단계에 얼마나 근접했는지를 중심으로 살펴봅니다. 단순한 성능 비교를 넘어, AI와 로보틱스의 관계가 어떤 방향으로 진화하고 있는지를 이해하는 데 목적이 있습니다.

반응형

---

Project Fetch란 무엇인가

Project Fetch는 Anthropic에서 진행한 내부 실험으로, 로봇 전문가가 아닌 일반 직원들이 사족 보행 로봇(로보독)을 활용해 복잡한 작업을 수행할 수 있는지를 검증하는 프로젝트입니다.

2025년 8월 진행된 1단계 실험에서는 일부 팀만이 Claude Opus 4.1의 도움을 받을 수 있었고, 그 결과 AI를 활용한 팀이 더 빠르고 효율적으로 작업을 수행했습니다. 다만 이 당시에는 AI 단독 수행은 불가능했고, 로봇 연결과 제어 같은 초기 단계에서 막히는 한계가 분명했습니다.

---

Phase Two 실험의 배경과 변화

2026년 6월 18일 공개된 Phase Two는 질문 하나에서 출발합니다.
“최신 모델은 이제 인간의 도움 없이도 이 작업을 해낼 수 있을까?”

이를 확인하기 위해 연구진은 Claude Opus 4.7 단독 수행 실험을 설계했습니다. 물리 컨트롤러 조작은 제외했지만, 다음과 같은 핵심 과제는 모두 AI가 수행했습니다.

• 로봇 센서(비디오, 라이다) 연결
• 로봇 수동 제어 프로그램 작성
• 이동 경로 모니터링 구현
• 해변 공(비치볼) 탐지 프로그램 작성

연구자의 역할은 최소한으로 제한됐으며, 노트북 연결, 초기 프롬프트 입력, 명령 승인 정도만 담당했습니다.

---

Claude Opus 4.7이 보여준 성과

결과는 명확했습니다.

• 인간이 수행했던 모든 과제를 최소 10배 이상 빠르게 완료
• 공통 과제 기준
  • AI 미사용 팀 대비 평균 37배 빠름
  • AI 보조 팀 대비 평균 18배 빠름
• 코드량은 AI 보조 팀 대비 약 10분의 1 수준

특히 주목할 점은 접근 방식 선택 능력입니다. 인간 참가자들은 여러 센서 인터페이스 방식 중에서 시행착오를 겪었지만, Opus 4.7은 가장 효율적인 방법을 빠르게 선택했고, 첫 시도에서 바로 작동하는 코드 비율도 높았습니다.

일부 오래된 객체 탐지 알고리즘을 선택하는 실수는 있었지만, 그럼에도 불구하고 스스로 우회해 문제를 해결하는 모습을 보였습니다. 실험 범위 내에서 속도와 안정성 모두 매우 일관된 결과를 보였다는 점도 인상적입니다.

---

여전히 남아 있는 한계

이 실험이 로보틱스 문제를 모두 해결했다는 의미는 아닙니다. 가장 어려웠던 부분은 비치볼을 정밀하게 굴려 출발 지점으로 되돌리는 작업이었습니다.

이 작업은 다음과 같은 능력이 필요합니다.

• 공의 미세한 위치 변화 인식
• 이전 명령과 현재 결과의 관계 이해
• 실시간 피드백을 반영한 제어 조정

사람은 연습을 통해 자연스럽게 이런 폐쇄 루프 제어를 수행하지만, Opus 4.7은 이 미묘한 조정을 잘 해내지 못했습니다. 로봇을 공 뒤로 이동시키는 데까지는 성공했지만, 실제로 공을 정확히 이동시키는 데는 실패했습니다.

다만, 로보틱스 경험이 있는 연구자는 이 과제를 성공적으로 수행했으며, 연구진은 추가적인 시간과 구조화된 보조가 있다면 AI도 가능성이 높다고 평가했습니다.

---

Project Fetch가 시사하는 변화

Phase One에서는 AI가 비전문가 인간을 도와주는 역할이 중심이었습니다. Phase Two에서는 한 단계 더 나아가, AI가 인간의 도움 없이도 상당 부분을 스스로 수행합니다.

이는 소프트웨어 분야에서 AI가 단순 코드 보조를 넘어 에이전트형 코딩 도구로 발전했던 흐름과 매우 유사합니다. 이제 그 변화가 물리적 세계, 즉 로봇과 하드웨어 영역에서도 나타나기 시작한 것입니다.

연구진은 이를 물리적 에이전트 AI의 초기 단계로 보고 있으며, 향후에는 다음과 같은 질문이 중요해질 것으로 보입니다.

• AI가 특정 작업에 맞는 제어 정책을 직접 설계할 수 있을까
• 로봇 시스템 자체를 설계하는 단계로 발전할 수 있을까

---

728x90

Project Fetch Phase Two는 AI 모델의 일반적인 성능 향상이 로보틱스 영역에서도 급격한 도약으로 이어질 수 있음을 보여준 사례입니다. 특정 로봇 기능을 집중적으로 학습하지 않았음에도, 모델 스케일링만으로 이 정도 성과를 낸 점은 의미가 큽니다.

아직은 인간의 섬세한 물리 감각을 완전히 대체하지는 못하지만, AI가 상용 로봇을 비교적 손쉽게 다루는 시대가 가까워지고 있다는 신호는 분명합니다. 앞으로 AI가 하드웨어까지 스스로 다루는 방향으로 발전한다면, 로봇 활용의 진입 장벽은 지금보다 훨씬 낮아질 것입니다.

이 변화의 속도를 감안하면, 불과 몇 년 전에는 상상하기 어려웠던 장면들이 머지않아 현실이 될 가능성도 충분해 보입니다.

300x250

https://www.anthropic.com/research/project-fetch-phase-two

Project Fetch: Phase two