Loading...

AI 뉴스

메타, 근육 신호로 제어하는 손목밴드 공개 예정

페이지 정보

작성자 xtalfi
작성일 2025.09.13 23:11
891 조회
0 추천
0 비추천

본문

6b5cc1ba495c077a959e6ddfe81a8f09DuId.png

(퍼플렉시티가 정리한 기사)

Meta는 9월 17일 Meta Connect 콘퍼런스에서 오랜 기간 기대를 받아온 EMG 뉴럴 손목밴드를 공개할 준비를 하고 있습니다. 이는 스마트 글래스 기술의 진화에 있어 중대한 순간을 의미합니다. 팔의 근육 신호를 감지하는 전기생리학(EMG) 기술을 사용하는 이 손목밴드는 Meta의 차세대 스마트 글래스인 하이퍼노바(Hypernova)와 함께 첫 선을 보일 예정이며, “Meta Celeste”라는 이름으로 출시될 가능성이 높습니다.


EMG 손목밴드는 2019년 Meta가 CTRL-labs를 약 5억~10억 달러에 인수하면서 시작된 수년간의 연구의 결실입니다. 이 기기는 표면 근전도(sEMG) 기술을 활용해 팔뚝의 근육 수축으로 발생하는 전기 신호를 읽어내, 사용자가 손가락 집기, 두드림, 엄지 스와이프 등 미세한 손동작만으로도 디지털 인터페이스를 제어할 수 있게 해줍니다.


혁신적인 제어 시스템


내부 코드명 “Ceres”인 신경 손목밴드는 근육 활성화를 감지함으로써 손가락 움직임을 제어하므로, 외부 카메라나 센서 없이도 정밀한 제어가 가능합니다. Nature에 발표된 연구에 따르면, 이 장치는 손목 둘레에 16개의 금 도금 전극 센서를 배치하여 초당 2,000회(2kHz) 전기 신호를 샘플링하여 아주 미세한 움직임까지 포착할 수 있습니다.


Meta Reality Labs의 신경운동 인터페이스 책임자이자 CTRL-labs의 전 대표인 Thomas Reardon은 이 기술이 사고(thought)를 읽는 것이 아니라 운동 정보(motor information)를 읽는 것이라고 밝히며 “이것은 사고를 담당하는 뇌의 부분이 아닌 운동 정보를 제어하는 뇌의 부분에서 나오는 것입니다”라고 설명했습니다. 해당 시스템은 검지 위로 엄지손가락을 쓸어 넘기는 제스처, 집는 동작, 손목 회전처럼 다양한 동작을 해석해 디지털 인터페이스를 탐색할 수 있습니다.


스마트 안경 통합


손목밴드는 Meta의 Hypernova 스마트 안경과 함께 패키지로 제공될 예정이며, 판매가는 약 $800로 예상됩니다. 이 안경은 Lumus에서 제조한 우측 렌즈에 작은 디스플레이를 탑재하고 있으며, 약 20도의 시야각을 제공하여 몰입형 경험보다는 실용적인 증강현실 응용에 초점을 맞추어 설계되었습니다.


Apple의 Vision Pro가 카메라 기반의 손 추적에 의존하는 것과 달리, Meta의 방식은 손이 안경의 시야 밖에 있을 때에도 제스처 컨트롤이 가능합니다. 이 조합을 통해 사용자는 손의 자연스러운 움직임으로 알림을 받고, 인터페이스를 탐색하며, Meta AI와 상호작용하면서 주변 환경에 대해 완전히 인지할 수 있습니다.


개발 과제 및 미래 응용 분야


Meta는 개발 과정에서 여러 가지 기술적 문제에 직면했습니다. 여기에는 손목의 올바른 위치 선정, 사용자마다 다른 성능 편차, 그리고 긴 소매와 같은 옷가지로 인한 간섭 등이 포함됩니다. 이 회사는 개별적인 보정 없이 다양한 사용자가 기기를 사용할 수 있도록 기계 학습 알고리즘을 활용해 이런 문제를 해결하고 있습니다.


이 기술은 스마트 글라스 제어를 넘어 의료, 제조, 접근성 등 다양한 분야에 활용될 잠재력을 가지고 있습니다. Meta 연구진은 카네기 멜론 대학과 협력하여 척수 손상을 가진 사람들을 대상으로 손목 밴드를 테스트하고 있으며, 이는 이동성이 제한된 사람들이 컴퓨터와 상호작용할 수 있는 새로운 길을 열어주고 있습니다.


마크 저커버그는 2월에 이 프로젝트의 상용화가 머지않았음을 확인하며, “이 프로젝트를 수년간 진행해왔고, 실제로 머지않아 제품에 적용될 무언가가 준비되고 있다”고 밝혔습니다. Meta Connect 2025가 며칠 앞으로 다가온 지금, 이 신경 손목 밴드는 연구 시제품에서 소비자 제품으로 전환할 준비가 된 것으로 보이며, 우리가 디지털 환경과 상호작용하는 방식을 근본적으로 바꿀 수 있을 것으로 기대됩니다.

댓글 0
전체 766 / 138 페이지
손목밴드에서 조정을 하는 것 같고 전작과 많이 달라졌습니다.AI 기능으로 번역도 가능하네요..https://www.meta.com/kr/ai-glasses/meta-ray-ban-display/
852 조회
0 추천
2025.09.18 등록
조금 전 메타가 AI 기능이 있는 안경을 비롯하여 중요한 키노트를 진행하였습니다.CNET이 준비한 키노트 요약입니다.RAYBAN 과 새로 제작한 안경이 큰 화제입니다.
925 조회
0 추천
2025.09.18 등록
마이크로소프트가 코파일럿 메모장과 그림판 연동기능을 제공하기 시작했으며이 기능은 오피스365를 사용하지 않아도 코파일럿을 이욯하면 이용할 수 있다.예를 들어 메모장은 다음과 같은 기능을 갖게 된다.-요약: 긴 텍스트를 간략하게 요점만 추려내고, 문서의 핵심을 빠르게 파악할 수 있습니다.- 쓰기: 프롬프트나 선택한 텍스트를 활용해 새로운 문장을 AI로 쉽고 빠르게 작성합니다.- 다시 쓰기: 선택한 내용을 AI가 어투, 길이, 명확성 등 다양한 스타일로 변환해 줍니다.또한 그림판은 다음과 같은 기능을 추가하게 된다.- 프로젝트 파일 저장 기능: 그림판에서 작업을 .paint 파일로 저장해 언제든 이어서 편집이 가능.- 불투명도(Opacity) 슬라이더: 연필 및 브러시 도구의 투명도를 원하는 대로 조절해 더 섬세한 혼합이나 레이어링 효과 주기.- 크기 및 불투명도 슬라이더 병행 사용: 두 슬라이더를 활용해 부드럽게 배합하고 다양한 질감의 그림 그리기.
891 조회
0 추천
2025.09.18 등록
(퍼플렉시티가 정리한 기사)중국 AI 스타트업 DeepSeek은 획기적인 R1 모델 훈련 방식에 관한 새로운 세부 정보를 세계적인 권위지 네이처(Nature)의 동료검토 논문을 통해 발표했습니다. 이 논문에서는 기존 경쟁 모델 대비 극히 적은 비용으로 순수 강화학습만을 사용해 첨단 추론 능력을 달성한 방법을 공개했습니다.항저우에 본사를 둔 이 회사는 자사의 R1 추론 모델 훈련 비용이 단 29만 4천 달러에 불과하며, 기반 베이스 모델의 개발 비용은 약 600만 달러였음을 처음으로 공개했습니다. 총 630만 달러가 소요된 것으로, 이는 미국의 기술 기업들이 개발한 경쟁 모델이 수천만 달러에 달하는 것과는 극명한 대조를 이룹니다.순수 강화학습의 획기적인 발전DeepSeek의 주요 혁신은 연구자들이 “순수 강화 학습(pure reinforcement learning)“이라고 부르는 방식을 사용해 R1을 개발한 점에 있으며, 이는 인간이 만든 예시에 의존하는 기존의 감독 학습(supervised learning) 방식과는 다른 접근법입니다. 이 과정에서 모델은 인간이 선택한 추론 방식에 따르도록 학습시키는 대신, 올바른 답변에 도달할 때 보상을 받도록 설계되었습니다.네이처(Nature) 논문에 따르면, DeepSeek의 접근법은 모델이 인간이 제시한 전략을 따르지 않고도 자체적인 추론 전략을 개발하고 자신의 작업을 검증할 수 있는 능력을 갖추게 해주었습니다. 회사는 자체 시도에 대해 별도의 알고리즘을 사용하지 않고 추정치를 활용해 점수를 매길 수 있게 해주는 Group Relative Policy Optimization(GRPO)이라는 기법을 활용했습니다.“이 모델은 AI 연구자들 사이에서 매우 영향력이 컸습니다,“라고 오하이오 주립대(Ohio State University) 콜럼버스 소재 AI 연구원인 Huan Sun은 말했습니다. “2025년 현재까지 LLM에서 강화 학습을 수행하는 거의 모든 연구가 어떻게든 R1로부터 영감을 받았을지도 모릅니다”.5단계 훈련 과정완전한 R1 학습 과정은 감독 학습(fine-tuning)과 강화 학습을 번갈아가며 진행하는 여러 단계로 구성되었습니다. 이 과정은 딥시크(DeepSeek)의 V3-Base 모델을 수천 개의 ‘콜드 스타트’ 데이터 포인트로 파인튜닝하는 것으로 시작했고, 이후 순수 강화 학습을 통해 추론 능력을 향상시켰습니다.수렴에 가까워지면 시스템은 리젝션 샘플링(rejection sampling) 방식을 사용했습니다. 여기서 모델은 강화 학습 실행에서 성공적인 예시 중 최상의 예시를 선택해 자체 합성 훈련 데이터를 생성했습니다. 이 합성 데이터는 이후 글쓰기나 사실 기반 질문응답 등 다양한 영역에서 DeepSeek-V3-Base의 감독 학습 데이터와 통합되었습니다.동료 평가 중인 최초의 주요 LLMR1은 엄격한 동료 평가 과정을 거친 최초의 대형 언어 모델을 의미합니다. Nature 논문을 심사한 허깅페이스의 머신러닝 엔지니어 루이스 턴스톨은 이를 “매우 환영할 만한 선례”라고 평가하며, 훈련 과정이 공개되지 않으면 AI 시스템이 위험을 초래하는지 평가하기 어렵다고 언급했습니다.이 동료 평가 과정에서 DeepSeek는 훈련에 사용된 데이터 유형과 안전 조치를 포함한 기술적 세부 사항에 대한 설명을 추가하게 되었습니다. 이 모델은 오픈소스 특성을 유지하면서도 OpenAI의 o1 모델에 필적하는 추론 벤치마크 성능을 달성하였습니다.성능 및 접근성Hugging Face에서 1월에 출시된 이후, R1은 복잡한 문제 해결을 위한 플랫폼에서 가장 많이 다운로드된 모델이 되었으며, 다운로드 수는 1,090만 회를 넘어섰습니다. 이 모델은 AIME 2024 수학 벤치마크에서 pass@1 점수 79.8%를 기록하여 OpenAI o1의 79.2%를 소폭 앞섰습니다.DeepSeek의 혁신은 AI 개발 비용 및 성능 향상을 위해 모델 크기와 연산 능력을 늘려야 한다는 확장 법칙에 대한 기존의 통념에 도전장을 내밀었습니다. 회사는 비교적 덜 강력한 H800 칩을 사용해 성공을 거두었으며, 이 칩은 2023년 미국의 수출 통제로 중국 내 판매가 금지된 바 있습니다. 이러한 성과는 향후 AI 개발 방향에 대한 논의를 촉진하고 있습니다.
868 조회
0 추천
2025.09.18 등록
홈으로 전체메뉴 마이메뉴 새글/새댓글
전체 검색
회원가입