아마존의 로빈(Robin) 팔은 자사가 현장에 배치한 394,000건의 자체 그랩(grab)으로부터 집는 법을 학습했다

로빈은 어수선하게 쌓인 개별 우편 봉투와 상자를 분류하기 위한 아마존 로보틱스의 첫 자체 개발 로봇 팔이다. 8개의 흡착컵, 탑다운(top-down) 카메라 시점, 그리고 가능한 픽의 순위를 매기는 소프트웨어를 갖추고 있다. 2021년에 테스트를 시작했고 2022년 플로리다주 레이클랜드 시설에서 데뷔했다. 최초의 전략은 수작업으로 코딩되었고, 각각 특징적인 방식으로 실패했다. 하나는 더 큰 패키지를 우선시하다가 작은 패키지가 그 위에 놓이거나 겹쳐 있을 때 멈췄고, 다른 하나는 더미 상단 근처의 패키지를 선호하다가 묻혀서 닿을 수 없는 픽을 계속 놓쳤다.

해결책은 함대가 스스로 학습하게 하는 것이었다. 아마존 팀은 배치된 팔에서 기록된 394,000건 이상의 픽 동작으로 머신러닝 모델을 훈련시켜 각 후보 동작의 성공 확률을 추정한 뒤, 온라인 픽 랭커(online pick ranker)를 사용해 로빈이 무엇을 해야 할지 선택하게 했다. 팀의 2023년 논문에서 최고의 ML 방법은 93.73%의 정확도로 픽을 수행한 반면 최고의 전통적 알고리즘은 92.28%였다. 이는 1.45포인트 차이로, 100만 건이 넘는 픽이 이루어진 작업 기간 동안 대략 16,500건의 실패한 픽이 줄어들었음을 의미했다.

로빈 함대 운영을 모방한 후속 실험에서는 200만 건의 픽에서 실패한 픽 비율을 20% 줄였으며, 이는 2025년 7월 국제 실험 로보틱스 심포지엄(International Symposium on Experimental Robotics)에서 발표되었다. 로빈의 교훈은 50파운드 상자를 카트에 빽빽하게 채우는 팔인 카디널(Cardinal)로 이어졌고('테트리스 게임을 생각하면 된다'), 동일한 파운데이션 모델 접근법은 수억 가지 제품 유형을 품목별 수작업 코딩 없이 처리하는 스패로우(Sparrow)로 확산되었다.

배치된 로봇 팔이 하는 모든 그랩을 기록하고, 각 후보 동작의 성공 확률을 추정하는 모델을 훈련시켜 동작의 순위를 매기게 한다. 즉, 함대가 스스로 라벨을 붙인다.

모든 수작업 규칙은 하나의 실패 모드를 다른 실패 모드로 최적화했다. 큰 패키지를 우선시하면 겹침에서 멈췄고, 상단 픽을 우선시하면 묻힌 픽을 방치했다.

팔은 이미 라벨링된 데이터를 생성하고 있었다. 모든 그랩은 성공하거나 실패했으므로, 394,000건의 기록된 동작으로 훈련하는 데 추가 라벨링 작업이 필요하지 않았다.

픽당 차이는 곱해지기 전까지는 사소해 보인다. 아마존은 100만 픽당 실패 건수로 전략을 평가했는데, 여기서 1.45포인트는 16,500건의 그랩을 절약한 것과 같다.

함대 규모에서는 동작당 작은 승리가 복리로 쌓인다. 1.45포인트의 픽 성공 우위는 100만 픽당 16,500건의 실패를 줄이는 것이며, 여러분 자신의 운영 로그가 바로 훈련 세트다.

로빈은 아마존의 자체 개발 팔 라인의 템플릿이 되었다. 카디널(빽빽한 카트 적재, 2022년 11월 내슈빌에서 첫 가동), 스패로우(수억 가지 제품을 식별하고 집기 위해 파운데이션 모델을 사용하여 모든 품목을 수동으로 코딩할 필요를 없앰), 그리고 직물로 덮인 포드 내부에서 픽을 위해 시각에 촉각(힘 피드백 센서)을 처음으로 추가한 불칸(Vulcan)이 그것이다. 아마존의 CFO는 2026년 7월 실적 발표 콜에서 회사가 올해 로봇 팔 함대를 두 배 이상 늘릴 것으로 예상한다고 말했으며, 아마존 로보틱스는 현재 배치 규모를 한 자릿수 천 대로 밝혔다.