네 개의 축이 하나의 물리 지능 스택을 만듭니다. 데이터에서 정책, 정책에서 로봇, 로봇에서 다시 데이터로 이어지는 순환 구조입니다.
이차전지 셀/팩 성능 평가부터 자율주행 물류 로봇(스마트풀필먼트 AGV), 전동 모빌리티 플랫폼까지 실증합니다.
매니퓰레이션, 파운데이션 로봇 모델, 협업 로봇을 다룹니다. 바리스타봇 · 어묵 패키징 로봇 등 실증 시나리오를 운영합니다.
시뮬레이터(Isaac Sim, MuJoCo)에서 학습한 정책을 실물 로봇으로 이관하는 도메인 갭 해소 방법론을 연구합니다.
공장 · 물류 · 도시 규모의 디지털 트윈을 구축하고, 실시간 센서 데이터로 동기화된 시뮬레이션을 운영합니다.
시뮬레이터에서 학습한 정책을 실물 로봇으로 이관하고, 실물에서 얻은 실패 사례를 다시 시뮬레이션으로 되돌립니다. X-RDC는 이 순환의 시작점이자 종착점입니다.
공장·물류·도시 규모의 트윈에서 태스크 시나리오를 무한히 생성합니다.
대규모 시뮬 데이터로 강화학습·모방학습 정책을 학습합니다.
학습된 정책을 실물 로봇에 이관해 현장에서 실증합니다.
실패 사례와 센서 데이터를 다시 시뮬로 되돌려 갭을 좁힙니다.