그래픽스가 화면을 그리는 일을 넘어, 로봇이 세상을 이해하는 방식이 되었습니다.

2023년 SIGGRAPH에서 3D Gaussian Splatting(3DGS)이 발표된 직후부터, 미분 가능 렌더링은 그래픽스 도구의 옷을 벗고 로봇학의 입력 표현으로 옮겨왔습니다. 2.9년 만에 GitHub 22,000여 개의 별을 모은 3DGS는 단순한 렌더링 기법이 아니라, 픽셀에서 자세 파라미터로 기울기를 역전파할 수 있는 새로운 데이터 인프라가 되었습니다.

이 허브는 3DGS·미분 가능 렌더링·OpenUSD 같은 그래픽스 기술이 어떻게 로봇 합성데이터, 모션 플래닝, sim-to-real 학습을 가능하게 하는지를 한자리에서 조망합니다. 그래픽스에서 시작해 Physical AI로 도착하는 흐름입니다. 더 넓은 맥락은 상위 허브인 Physical AI에서 이어집니다 — 이 허브는 그중 그래픽스·렌더링 축을 좁게 모은 자리입니다.

로봇이 사진 한 장으로 경로를 찾고, 가우시안 점구름 안에서 학습하는 시대에 가장 필요한 것은 무엇일까요? 바로 그 렌더링·시뮬레이션이 만들어내는 합성데이터의 품질입니다. 페블러스는 이 흐름 위에서 시뮬레이션 데이터 인프라를 준비하고 있습니다.

페블러스가 준비하는 Physical AI 그래픽스 포지션:

• ▸페블로심 (PebbloSim): 물리 법칙 기반 디지털 트윈으로 피지컬 AI 훈련 데이터를 생성하는 시뮬레이터
• ▸합성데이터 품질 진단: 3DGS·시뮬레이션이 만든 합성데이터의 분포 건강도와 sim-to-real 적합성을 검증
• ▸AADS (에이전트 자율 데이터 진단): 렌더링·시뮬레이션 파이프라인에 자동 삽입되는 품질 게이팅