제너럴 트래젝토리 vs 라이너

제너럴 트래젝토리 장단점

• 실제 사용자 및 전문가들은 이 도구가 처음 접하는 물체나 시나리오에서도 뛰어난 적응력을 보이는 '일반화 성능(Generalization)'을 가장 큰 장점으로 꼽습니다. 특히 보상 기반 모방 학습(Reward-Guided Imitation Learning)을 통해 물리 법칙을 어기지 않으면서도 인간의 숙련된 판단을 빠르게 학습할 수 있다는 점이 높게 평가받습니다. 또한 시뮬레이션(GT Sim)과 실제 환경 간의 간극을 줄여 10ms 수준의 초저지연 추론 속도를 구현함으로써 실시간 대응이 필수적인 국방 및 산업 현장에서의 신뢰도가 높습니다.

• 2024년 설립되어 Y Combinator(W25) 배치를 거치고 있는 초기 단계 스타트업인 만큼, 이미 수조 원대 가치를 지닌 Anduril이나 Shield AI에 비해 실전 배치 데이터와 운영 레퍼런스가 부족하다는 점이 한계로 지적됩니다. 또한 고도의 물리 지식과 AI 전문성이 결합된 솔루션 특성상 일반 기업이 도입하기에는 기술적 진입장벽이 높으며, 현재는 대규모 방산 계약이나 특수 R&D 위주로 폐쇄적인 생태계를 형성하고 있어 일반적인 접근성이 낮다는 아쉬움이 있습니다.

라이너 장단점

• 답변에 출처가 함께 표기돼 사실 확인이 빠르고, 학술 자료 기반이라 일반 챗봇보다 근거를 따져 보기 좋습니다
• GPT·Claude·Gemini 등 여러 모델을 한 화면에서 골라 같은 질문에 다른 답을 비교할 수 있습니다
• 검색 결과를 인용·레퍼런스로 자동 정리하거나 최대 20장 슬라이드로 바꿔 줘 리서치 후속 작업이 줄어듭니다
• Liner Scholar로 학술 데이터베이스에 특화된 심층 리서치까지 같은 생태계에서 이어 갈 수 있습니다

• 무료 플랜은 고급 검색이 하루 3회, 에이전트 크레딧이 월 100개로 제한돼 본격적으로 쓰려면 유료 전환이 사실상 필요합니다
• 강점이 검색·리서치에 쏠려 있어 긴 글쓰기나 코드 작성이 주 목적이라면 전용 도구가 더 낫습니다
• 답변이 출처를 인용하더라도 인용한 자료 자체의 신뢰도와 맥락은 사용자가 직접 검증해야 합니다

제너럴 트래젝토리 주요 기능

• 미학습 객체 조작 성공률 향상을 위한 RGIL(보상 기반 모방 학습) 모델
• 재밍 저항 기능을 갖춘 자율 드론 요격 시스템 Phoenix
• 산업용 비전-언어 모델(VLM)로 예측 불가 환경에서 작업 수행
• 팔레타이징·분류·피킹·포장 자동화를 위한 산업 로봇 AI
• 실제 환경에서 종래 SOTA 모델이 0% 성공률인 케이스 일반화

라이너 주요 기능

• OpenAI, Anthropic, Google, Meta 등 8개 최신 AI 모델 선택 지원
• 출처 기반 AI 검색 및 학술 논문 연구 통합 워크플로우
• Liner Scholar: 학술 데이터베이스 기반 정확한 연구 보조
• 인용 및 레퍼런스 자동 생성
• 10,000,000명 이상의 학생·연구자 커뮤니티
• 50개국 이상에서 사용되는 다국어 지원