AI의 다음 혁명: Multiply Labs가 Robotics-Driven Cell Therapy Biomanufacturing Labs를 확장하고 있다
Source: NVIDIA AI Blog
Overview
Multiply Labs는 칩 산업에서 이미 일어난 일과 같은 방식으로 세포 치료 실험실을 변화시키고 있습니다: 로봇을 도입해 지루하고 정밀하며 위생적인 작업을 더 빠르고, 더 좋게, 더 저렴하게 수행합니다.
이 개념은 Fred Parietti가 MIT에서 로봇공학 박사 연구를 하던 중 Alice Melocchi를 만나면서 촉발되었습니다. 그녀는 자동화가 부족하고 오염 위험이 높은 노동 집약적인 실험실 현황을 보여주었습니다.
“그녀가 실험실에서 하는 일을 보여줬고 얼마나 어려운지 알게 되었을 때, 믿을 수 없었습니다 — 저는 약이 칩처럼 만들어진다고 생각했는데, 이 상황은 미친 듯하지만 동시에 현실이었습니다,”라고 Multiply Labs의 공동 설립자이자 CEO인 Parietti는 말했습니다. “그 다음에 저는 실리콘밸리로 날아갔고, Y Combinator에서 이 일을 시작했습니다.”
샌프란시스코에 본사를 둔 Multiply Labs, 2016년 설립 이후 현재 Kyverna Therapeutics와 Legend Biotech와 같은 선도 기업들을 위해 세포 치료 제조를 자동화하고 있습니다.
Multiply Labs가 제공하는 것
- End‑to‑end 로봇 시스템은 대규모로 유전자 변형 세포 치료제를 생산하기 위한 것으로, 전체 제품 라인은 여기에서 확인할 수 있습니다.
- NVIDIA Omniverse로 구축된 실험실 환경의 디지털 트윈.
- NVIDIA Isaac Sim 프레임워크를 사용한 로봇 시뮬레이션 및 교육.
- NVIDIA Isaac GR00T 기반 모델을 활용한 휴머노이드 로봇 개발로, 실험실에서 위생을 강화하며 지원합니다.
이러한 기술은 정밀도 향상, 오염 감소, 그리고 물리적 AI에 의해 구동되는 첨단 제조를 제공합니다 (NVIDIA 정의).
세포 치료에서 자동화가 중요한 이유
세포 치료는 환자 또는 기증자로부터 세포를 추출하고, 유전자를 변형한 뒤, 이를 다시 주입하여 암, 유전 질환, 자가면역 질환 및 신경계 질환을 치료하는 방법입니다.
- 수공예적 특성 – 각 치료는 종종 특정 환자를 위한 일회성입니다.
- 높은 비용 – 제조 비용이 비싸고 오염이나 부주의에 매우 민감합니다.
- 무균 요구사항 – 작은 위반(예: 세포 근처에서 숨 쉬는 것)도 제품을 망칠 수 있습니다.
“무균 상태여야 하고, 세포 근처에서 누구든지 숨 쉬는 것을 원하지 않기 때문에 로봇공학의 고부가가치 적용 사례가 명백했습니다,” 라고 파리엣티가 말했습니다.
Multiply Labs의 제어된 바이오제조 클러스터 내에서 작동하는 로봇은 위생적이고 정밀하며 반복 가능한 프로세스를 제공하여 위험과 비용을 크게 낮춥니다.
References
- Multiply Labs 웹사이트
- 세포 치료 제품 페이지
- NVIDIA Omniverse
- NVIDIA 디지털 트윈 용어집
- NVIDIA Isaac Sim
- NVIDIA Isaac GR00T
- Physical AI 정의
실험실에서 정밀성을 향상시키기 위한 세포 치료 제조 기술 시뮬레이션
세포 치료 제조는 복잡하고 비용이 많이 들며 실패 위험이 높습니다. 바이오과학 기업들은 위험을 줄이고 생산량을 확대하며 전문가 지식을 보존하기 위해 자동화와 시뮬레이션에 주목하고 있습니다. 핵심 개발 중 하나는 모방 학습으로, Isaac Sim에서 로봇을 훈련시켜 비디오 시연을 분석함으로써 전문가 작업을 재현합니다. 이 접근 방식은 최고 과학자들의 암묵적이고 종종 문서화되지 않은 기술을 포착하여 로봇 제어 정책으로 전환합니다.
“우리는 최고의 과학자 영상 예시를 그대로 로봇에 학습시키고, 그 결과가 통계적으로 동등함을 입증합니다.” 라고 파리에티는 말했습니다.
“사람들이 떠나거나 은퇴하면 수율이 떨어질 수 있습니다 — 이러한 작업에는 많은 암묵적 지식이 존재한다는 것을 관찰했으며, 거의 예술과도 같습니다.”
핵심 기술
- NVIDIA FoundationPose – 포즈 추정을 위한 Isaac 모델.
- NVIDIA FoundationStereo – 스테레오 매칭을 위한 Isaac 모델.
이 모델들은 비디오에서 궤적을 추출하여 로봇이 최고의 인간 예시로부터 직접 학습할 수 있게 합니다. 이는 특히 제약 분야에서 중요한데, 실험실에서 생산 환경으로 공정 기술 이전이 필수이며, 직원 이직으로 인한 지식 손실이 생산을 위협할 수 있기 때문입니다.
디지털‑트윈 시뮬레이션
Multiply Labs는 NVIDIA Omniverse에서 구축한 디지털 트윈을 활용해 로봇 팔 프로세스를 시뮬레이션합니다. 수천 번의 가상 반복 실행을 통해 회사는 다음을 달성할 수 있습니다:
- 물리적 배치 전에 기계적 버그를 식별하고 해결합니다.
- 개발 주기를 가속화합니다.
- 실험실 작업의 안전성과 정밀성을 높입니다.
세포 치료를 보다 쉽게 접근할 수 있도록 로봇 시스템 확장하기
세포 및 유전자 치료는 엄청난 가능성을 가지고 있지만, 그 복잡성과 비용 때문에 과거에는 접근성이 제한되었습니다. 자동화가 이를 변화시키고 있습니다.
오늘날, 세포 치료 한 회분을 제조하는 비용은 $100,000 이상이 될 수 있습니다. 첨단 로봇 기술을 통해 그 비용을 70 % 이상 절감하여 $25,000 – $35,000 수준으로 낮출 수 있습니다.
“우리는 업계를 틈새 시장에서 대규모 시장으로 전환시키고자 합니다 — 100배 더 많은 치료제를 70 % 낮은 비용으로 제공함으로써, 생명을 구하는 치료가 소수에게만 국한되지 않고 수백만 명에게 제공될 수 있도록.” – Parietti
자동화가 중요한 이유
- 비용 절감: 제조 비용을 최대 70 % 낮춤.
- 생산량 증가: 시설 면적당 치료제 수를 최대 100배 확대.
- 정밀도 및 일관성: 로봇은 수천 번의 무균 작업—액체 이동, 백/주사기 교반, 온도 제어—을 거품이나 인간 오류 없이 수행합니다.
- 연속 운영: 로봇은 휴식이 필요 없으며 24시간 내내 추적성을 유지합니다.
과정
이러한 치료제는 수천 개의 정밀하고 무균적인 단계—용기 간 액체 이동, 거품을 발생시키지 않으며 백과 주사기를 교반하고 정확한 온도를 유지하는 작업—를 포함하며, 모두 엄격한 시간 제한 내에 이루어집니다. 인간의 실수 한 번만으로도 전체 과정이 손상될 수 있습니다. 반면 로봇은 각 작업을 정밀하고 일관되게, 그리고 24시간 내내 추적 가능하게 수행합니다.
비디오 개요
Your browser does not support the video tag.
Your browser does not support the video tag.(Replace path-to-video.mp4 with the actual video file URL.)
인간형 로봇을 활용한 오염 방지 프로세스 개선
세포 치료제 제조라는 고위험 환경에서 오염은 단순한 불편이 아니라 작업을 중단시키는 치명적인 문제입니다. 제어된 클러스터 환경 내에서 로봇 팔은 수술 수준의 정밀도로 작동하지만, 진정한 “와일드‑웨스트”는 그 클린룸 바로 밖에 있습니다. 재료를 수동으로 적재·하역하면 재채기, 미끄러짐, 혹은 떨어진 주사기와 같은 위험이 발생할 수 있으며, 이는 완벽한 공정을 손상시킬 수 있습니다.
왜 인간형 로봇인가?
- 적응성 – 구조화되지 않은 예측 불가능한 환경에서도 작업할 수 있는 두 팔을 가진 워크호스.
- 정밀성 – 카트리지를 집어 조심스럽게 이동하고 무균성을 유지할 수 있음.
- 확장성 – 한 번 훈련되면 동일한 기술을 여러 작업대에 배포할 수 있음.
NVIDIA Isaac GR00T N Foundation Model
Multiply Labs는 NVIDIA의 Isaac GR00T N 파운데이션 모델을 사용해 인간형 로봇을 개발하고 있습니다.
- GR00T N1.5는 일반화된 인간형 로봇 추론 및 기술 습득을 위한 오픈‑로봇 파운데이션 모델입니다.
“GR00T는 우리 인간형 로봇에게 천 번의 삶을 살아온 근육 기억을 부여합니다,” 라고 Parietti가 말합니다. “몇 단계만 보여주면 로봇에게 춤을 가르치는 것과 같습니다.”
Isaac GR00T를 사용하면 적재·하역을 담당하는 인간형 로봇을 확장 가능하고 반복 가능한 프로세스로 훈련시킬 수 있습니다:
- 캡처 – 복잡한 인간 시연을 기록합니다.
- 변환 – 이를 깔끔한 제어 정책으로 전환합니다.
- 배포 – 정책을 여러 로봇에 신속히 적용합니다.
결과
인간은 유리 뒤에서 관찰하고, Isaac GR00T가 구동하는 인간형 로봇이 프로세스를 원활하고 깨끗하며 오염 없이 유지하는 완전 자동화된 제조 현장.
이미지 출처: NVIDIA Blog