Physical AI 교육을 따라가며,
지금 확인한 것과 다음 단계

01

교육 중인 지금, Physical AI를 이렇게 연결하고 있다

첫 수업에서 프로젝트 범위를 정한 뒤 Python·Queue·Serial·PWM을 거쳐 Ubuntu·ROS 2·URDF·RViz·이미테이션 러닝으로 확장했다. 중요한 것은 항목을 많이 배웠다는 사실이 아니라, 각각이 센서 입력·행동 명령·결과 확인이라는 같은 흐름에 다시 쓰인다는 점이다.

그래서 지금은 상태를 읽고 → 행동을 만들고 → 결과를 다시 읽는 흐름을 먼저 고정한다. 카메라 데이터와 정책을 실제 장치에서 안정적으로 평가하는 일은 아직 남아 있다.

02

DAPIER는 수업과 실습을 쌓아 두는 내 기록장이다

DAPIER는 내가 교육 중 배운 내용과 실습 과정을 정리해 가는 개인 학습 레포다. 공개 README에서 확인한 한 경로는 ROS 2 JointState가 브리지를 지나 Arduino Uno의 서보 PWM으로 이어지는 구조다. 이 구조를 읽으며 “메시지가 도착했다”와 “관절이 그 명령대로 움직였다”를 분리해 기록해야 한다는 기준을 세웠다.

README에 적힌 변환 예시는 servo_degree = 90 + degrees(urdf_radian)다. 나는 이 식을 실물 성공의 증거로 쓰지 않고, 라디안·도 단위와 중심값을 명시해야 한다는 인터페이스 기준으로만 사용한다. 카메라·데이터셋·정책은 실제로 확인한 뒤 추가할 예정이다.

servo_degree = 90 + degrees(urdf_radian)

현재 기록에서 확인한 단위 변환. 다음 실습에서도 같은 기준을 다시 점검한다.

03

수업을 따라가며 계속 지키는 작은 기준

지금 내 학습 방식은 AI가 제안한 설명을 완료 처리하는 것이 아니다. 코드 실행·배선·장치 동작·결과 판단을 직접 확인한 범위만 증거로 남기고, 최소 성공 → 확장 성공 → 도전 성공으로 범위를 나눈다.

지금 단계에서 중요한 문장은 “이 모델이 된다”가 아니라 “이 입력과 단위를 이 조건에서 확인했고, 이 부분은 아직 실행하지 않았다”이다. 교육이 진행되는 동안 기록의 문장도 이 기준에 맞춰 계속 수정하려 한다.

05

11월까지의 진행 방향

아래는 끝낸 목록이 아니라, 교육과 개인 실습을 따라가며 업데이트할 진행표다. 막히는 지점이 생기면 순서를 바꿀 수 있고, 실제로 확인하지 못한 항목은 완료 표시를 하지 않는다.

1. 01 현재 수업에서 ROS 2 통신 계약과 URDF·TF·RViz의 관계를 작은 예제로 다시 확인하기
2. 02 SO-101 관절 calibration과 카메라 조건을 점검하고, observation·action·episode의 데이터 모양 고정하기
3. 03 소수의 episode를 기록해 dataset validator와 LeRobot 데이터 흐름을 통과시키기
4. 04 BC/ACT 같은 모방학습 baseline을 작은 범위에서 실행하고 rollout 결과를 평가하기
5. 05 안전 정지, 실패 유형, sim-to-real 가능성을 확인해 11월의 다음 선택으로 남기기