렐링 vs 비즈AI

렐링 장단점

• 비디오뿐만 아니라 깊이, 관성 측정 장치, 오디오, 물리적 힘, 시선 데이터까지 결합하는 진정한 멀티모달 접근으로 실제 물리 세계를 더 정밀하게 모델링할 수 있다는 점이 연구자들에게 주목받고 있습니다. 특히 시뮬레이션에서 학습한 모델을 실제 로봇에 적용할 때 발생하는 sim-to-real 갭 문제를 해결하는 데 유용한 데이터 파이프라인을 제공합니다. 강화학습 기반 로봇 제어에 특화된 인프라라 자율주행, 산업 자동화, 서비스 로봇 등 실제 물리적 환경에서 작동하는 AI 시스템 개발에 직접 활용 가능합니다.

• Relling Systems는 아직 초기 스타트업 단계로, 상용화된 완제품보다는 연구 목적의 인프라 솔루션에 가까워 일반 기업이나 개발자가 즉시 활용하기에는 진입 장벽이 상당히 높습니다. 구체적인 가격 정책이나 플랜 정보가 공개되어 있지 않아 예산 계획을 세우기 어렵고, 관련 커뮤니티나 한글 자료가 거의 없어 문제 해결에 어려움을 겪을 수 있습니다. 또한 경쟁사인 Google DeepMind, World Labs, Tesla Bot 팀 등 거대 기술 기업들이 유사한 월드 모델 연구를 진행 중이어서 장기적으로 기술 경쟁력을 유지할 수 있을지 불확실성도 존재합니다.

비즈AI 장단점

• 응급 질환에서 영상 이상 소견을 자동으로 감지해 치료팀에 곧바로 알리므로, 판독 결과 전달과 치료 개시까지의 지연 시간(DNT)을 줄이는 데 직접 기여합니다
• 모바일 앱으로 고해상도 영상을 확인할 수 있어, 당직 전문의가 병원 밖에서도 영상을 보고 전원·수술 여부를 빠르게 판단할 수 있습니다
• 미국 CMS(Medicare)의 신기술 추가 지불(NTAP) 적용 사례가 있어, 도입 병원이 비용 일부를 보전받을 근거가 마련돼 있습니다
• 미국 내 약 2,000개 병원·의료 시스템에 도입돼 실제 임상 환경에서 운영된 이력이 쌓여 있습니다

• 도입 규모와 선택 알고리즘 수에 따라 발생하는 높은 연간 구독 비용 부담
• 기존 병원 IT 시스템(PACS/EHR)과의 원활한 연동을 위한 초기 설정 필요
• 미국 시장 중심의 보험 정책 및 규제에 맞춰 설계된 비즈니스 모델

렐링 주요 기능

• 고정밀 멀티모달 데이터 동기화 엔진 (비디오+깊이+IMU+오디오+force+gaze)
• 물리적 인과관계 학습 기반 잠재 공간 모델링
• 가려짐(Occlusion) 및 화면 밖 움직임 추론 최적화
• 강화학습 기반 로봇 제어 정책 학습 지원
• 시뮬레이션-실제 환경 갭(sim-to-real gap) 완화 데이터 파이프라인

비즈AI 주요 기능

• AI 기반 뇌졸중·뇌출혈·심장질환 영상 자동 분석 및 알림
• CT/MRI 이미지에서 병변을 자동 감지해 임상팀에 즉시 전달
• Viz One 플랫폼으로 1,800개 병원·의료 시스템 통합 케어 코디네이션
• Viz ICH Plus — 뇌내출혈(ICH) 정량화 알고리즘(FDA 510(k) 승인)
• Viz Subdural Plus — 경막하출혈 정량화(FDA 510(k) 최초 승인)
• 비대성 심근병증(HCM) AI 알고리즘(FDA De Novo 최초 승인)