top of page

Runway Praxis-1 오픈 웨이트, Apache 2.0 접근성 제공…하드웨어 한계도 존재

4일 전
9분 분량

Runway는 11월 11일 270억 파라미터 Praxis-1 로보틱스 모델을 Apache 2.0으로 공개했다. 접근성은 열렸지만, 하드웨어에 맞추기 위한 상당한 작업은 여전히 남아 있다. Runway Praxis-1 오픈 웨이트 공개는 모델의 동작을 결정하는 학습된 값인 모델 파라미터에 개발자가 접근할 수 있게 한다. 그렇다고 지원 대상인 모든 로봇이 즉시 배포 가능한 제품이 되는 것은 아니다.

이 구분은 중요하다. 연구자와 하드웨어 기업은 이제 공급업체의 시연을 넘어 모델을 평가할 수 있기 때문이다. 구현을 살펴보고, 동작을 조정하며, 실패하는 지점을 조사할 수 있다. 누구도 Runway가 보고한 테스트 밖에서 이 모델이 얼마나 일관되게 작동하는지를 확립하기 전에도, 이러한 자유는 이번 공개를 의미 있는 일로 만든다.

경쟁 기준은 고무적이지만, 전반적인 선두라는 주장보다는 범위가 좁다. Runway는 NVIDIA의 RoboLab-120 시뮬레이션 벤치마크에서 46.2%의 성공률을 기록해 FLUX 3 Action, Cosmos3 Nano, π0.5를 앞섰다고 밝혔다. 다만 기술 보고서에는 다른 범주에서 더 높은 점수를 받은 네 개의 항목도 제시되어 있다. 핵심 질문은 성능 있는 모델에 접근하는 것과 특정 기계를 안정적으로 제어하는 것 사이에 얼마나 많은 작업이 놓여 있느냐이다.

Runway Praxis-1 오픈 웨이트, 출시 파트너를 넘어 접근성 확대

즉각적인 변화는 낯선 하드웨어에서도 작동한다는 보장이 아니라, 누가 모델을 조사하고 조정할 수 있는가에 있다.

Runway의 오픈 웨이트 로보틱스 공개는 9월 Praxis-1을 처음 소개한 뒤 이어졌다. 회사에 따르면 이전 파트너로는 Noble Machines, Standard Bots, Ultra가 포함됐다. 이들의 장비는 다리형 휴머노이드, 산업용 로봇팔, 두 개의 팔을 갖춘 창고 로봇에 걸쳐 있다.

Runway에 따르면 이번 공개에는 추론용 웨이트와 코드가 포함된다. 추론은 학습된 모델을 실행해 예측을 생성하는 과정이다. 추가 학습 데이터로 기존 모델을 조정하는 파인튜닝 코드도 제공된다. Runway는 이 패키지를 Apache 2.0에 따라 상업적으로 사용할 수 있다고 명시했다.

이는 로보틱스 개발자와 모델 공급업체의 관계를 바꾼다. 시연은 개발자에게 공급업체가 선택한 결과를 평가하도록 요구한다. 접근 가능한 구현은 그 결과가 나온 조건을 직접 조사할 수 있게 한다.

하드웨어 팀에는 더 유용한 질문을 던질 여지가 생긴다. 모델은 의도한 물체를 올바르게 해석하는가? 카메라 위치를 바꾸면 동작도 달라지는가? 추가 학습으로 다른 영역의 성능을 해치지 않고 반복되는 실패를 해결할 수 있는가?

모델이 오픈 웨이트라고 해서 이러한 질문이 사라지는 것은 아니다. 대신 실험을 수행하는 데 필요한 자원과 전문성을 갖춘 개발자가 직접 조사할 수 있는 질문이 된다.

이번 공개는 비교를 더욱 실질적으로 만든다. 경쟁 접근법을 평가하는 팀은 성능 차이가 자사 물체, 지시문, 운영 환경에서도 유지되는지 살펴볼 수 있다. 이는 공개된 순위가 그대로 이전된다고 가정하는 것보다 구매 결정에 더 유용하다.

다만 현재 이용 가능 여부는 신중하게 표현할 필요가 있다. 문서와 통합 환경은 발표 이후 변경될 수 있다. 오늘의 패키지를 평가하는 개발자는 테스트한 구체적인 모델 버전과 소프트웨어 구성을 기록해야 한다. 그렇지 않으면 이후 개선 사항이 최초 공개가 실제로 제공한 내용과 혼동될 수 있다.

따라서 Runway Praxis-1 오픈 웨이트 공개는 실험을 위한 더 넓은 출발점을 제공한다. 이 출발점이 운영상 이점으로 이어질지는 외부 팀이 무엇을 재현하고, 조정하고, 유지할 수 있는지에 달려 있다.

이 때문에 “모두가 이용 가능하다”는 말에도 맥락이 필요하다. 이용 가능성은 모델 사용 권한, 파일 접근 권한, 또는 실제로 운영할 수 있는 능력을 뜻할 수 있다. 이들은 관련된 조건이지만 각각 다른 질문에 답한다.

관대한 라이선스는 중요한 장벽 하나를 해소한다. 그러나 작동하는 시스템에 여전히 필요한 로봇, 학습 사례, 컴퓨팅 역량, 배포 판단까지 제공하는 것은 아니다.

Apache 2.0, 접근 조건을 없애지 않은 채 재사용 범위 확대

웨이트를 재사용할 권한과 이를 얻는 절차는 공개의 별개 요소다.

Apache 2.0 라이선스는 조건을 전제로 폭넓은 재사용 및 배포 권한을 부여한다. 고지와 수정된 파일에 관한 의무도 포함한다. 또한 일반적인 보증 없이 저작물을 제공한다.

로보틱스 기업에는 익숙한 라이선스가 초기 기술 평가를 더 쉽게 구성하게 할 수 있다. 엔지니어링 팀과 법무 팀은 검토할 구체적인 문서를 갖게 된다. 상당한 개발 노력을 투입하기 전에 허가 문제와 성능 문제를 구분할 수 있다.

이러한 명확성은 실험이 제품으로 발전할 수 있기 때문에 중요하다. 팀은 구성 요소를 수정할 수 있는지, 변경 사항을 배포할 수 있는지, 상업 시스템에 통합할 수 있는지를 이해해야 한다. 이러한 결정은 성공적인 시연 이후에 등장하는 것이 아니라 엔지니어링 평가와 함께 다뤄져야 한다.

그럼에도 현재 Hugging Face 저장소에는 접근 게이트가 표시된다. 사용자는 파일에 접근하기 전에 조건을 수락하고 Hugging Face 정보를 공유하는 데 동의해야 한다. 따라서 공개적으로 읽을 수 있는 모델 페이지가 기본 패키지에 대한 익명 접근과 같은 것은 아니다.

이것이 Apache 2.0의 의미를 없애지는 않는다. 이번 공개에는 라이선스 조건과 배포 절차가 모두 존재한다는 뜻이다. 이 가운데 하나만 보도하면 모델을 얻는 과정에 대한 불완전한 그림을 독자에게 제공하게 된다.

모델 카드는 별도로 배포되는 의존성이 각자의 라이선스를 가진다는 또 다른 경계를 제시한다. 여기에는 비디오를 압축하고 재구성하는 구성 요소인 Wan2.2 VAE와 언어를 모델이 읽을 수 있는 표현으로 변환하는 Qwen3.5-2B 텍스트 인코더가 포함된다.

실질적인 의미는 명확하다. 기업은 헤드라인 라이선스를 모든 의존성의 설명으로 간주하기보다, 실제로 배포하는 구성 요소를 평가해야 한다.

제품이 여러 출처의 수정 사항을 통합할 때 이 작업은 더 중요해진다. 팀은 어떤 파일을 변경했는지, 어떤 구성 요소를 별도로 얻었는지, 배포에 어떤 고지가 수반되는지 알아야 한다. 명확한 기록은 실험이 고객 배포 단계로 나아갈 때 불확실성을 줄인다.

같은 원칙은 기술적 주장에도 적용된다. 라이선스 호환성이 운영 적합성을 입증하지는 않는다. 구성 요소는 법적으로 재사용 가능하면서도 특정 작업, 환경, 응답 시간 요구사항에는 적합하지 않을 수 있다.

따라서 구매자에게 유용한 질문은 Praxis-1이 “오픈”인지 여부보다 더 넓다. 무엇을 얻을 수 있는지, 무엇을 수정할 수 있는지, 공급업체가 무엇을 지원할지를 물어야 한다. 초기 통합 이후 누가 조정된 시스템을 유지보수할지도 물어야 한다.

이 질문에 대한 답이 만족스럽지 않을 때 오픈 웨이트는 구매자에게 추가 선택지를 제공한다. 그러나 대체 엔지니어링 팀이나 유지보수 계획을 자동으로 제공하지는 않는다.

이것이 이번 발표에 담긴 절충점이다. Runway는 접근 장벽을 낮추는 한편, 중요한 구현 선택을 이 공개물을 사용하는 조직에 넘긴다.

비디오 예측, 개발자에게 다른 출발점 제공

Praxis-1은 예측된 시각적 결과와 로봇 동작을 연결하지만, 그 연결은 여전히 물리적 장비와 맞아야 한다.

Runway는 Praxis-1을 전문화된 네트워크와 반복적 예측 과정을 결합한 아키텍처인 전문가 혼합 확산 트랜스포머로 설명한다. 핵심 접근법은 비디오와 동작을 함께 예측하는 것이다.

비디오-제어 연구에서 Runway는 동작 전문가와 결합된 비디오 백본을 설명한다. 백본은 전개되는 장면을 예측한다. 동작 전문가는 내부 특징을 사용해 움직임을 생성한다.

Runway의 주장은 일반적인 비디오가 물체, 움직임, 작업이 진행되는 방식에 관한 유용한 정보를 제공한다는 것이다. 회사는 이 지식을 모델을 로봇 제어에 맞추기 위한 기반으로 제시한다.

그 매력은 이해할 수 있다. 개발자는 모든 시각적·물리적 연관성을 처음부터 다시 구축하기보다 유용하게 학습된 표현에서 출발하고 싶어 한다. 하지만 유용한 사전 지식이 동작을 관찰하는 것과 실제로 실행하는 것의 차이를 없애지는 않는다.

성공적인 배치를 인식하는 것과 그리퍼가 이를 수행하도록 명령하는 것의 차이를 생각해 볼 수 있다. 의도한 결과는 시각적으로 분명할 수 있다. 그러나 이를 달성하려면 기계의 형상, 가능한 움직임, 관측 정보, 제어 인터페이스가 모두 필요하다.

이는 모델의 아키텍처가 이번 공개의 핵심 긴장과 관련되는 이유다. 공유된 지식은 시작에 필요한 작업을 줄일 수 있다. 하지만 기계별 인터페이스와 학습은 그 지식이 사용 가능한 행동으로 이어지는지를 결정한다.

따라서 경쟁 비교는 단순한 회사 간 경쟁이 아니라 제어 접근법에 관한 것이다. 팀은 비디오와 동작의 공동 예측이 자사 작업에 도움이 되는지 평가할 수 있다. 실패가 시각적 해석에서 비롯되는지, 움직임 생성에서 비롯되는지도 조사할 수 있다.

무엇을 개선할지 결정할 때 이러한 구분은 중요하다. 작업 사례를 더 많이 추가한다고 해서 맞지 않는 인터페이스가 반드시 해결되지는 않는다. 인터페이스를 수정한다고 해서 모호한 지시나 낯선 물체 문제가 반드시 해결되는 것도 아니다.

이 아키텍처는 더 많은 정보를 제공하는 평가의 기회도 만든다. 개발자는 의도한 시각적 결과와 로봇이 실제로 수행하는 동작을 비교할 수 있다. 불일치는 조사 출발점이 되지만, 근본 원인을 자동으로 식별해 주지는 않는다.

이는 분석의 기회이지 배포 보장이 아니다. 그럴듯하게 예측된 장면이 물리적 움직임의 안전성이나 성공을 인증할 수는 없다. 개발자는 여전히 실제 시스템의 관측 정보가 필요하다.

하드웨어 공급업체가 받는 압력은 새롭게 이용 가능한 대안적 출발점에서 나온다. 이들은 자사의 접근법이 더 나은 적응성, 더 예측 가능한 운영, 또는 고객 환경에 대한 더 강한 지원을 제공하는지 설명해야 한다.

모델 공급업체에는 증거를 향한 압력이 이동한다. 접근 가능한 구현은 외부 팀이 공급업체가 선택하지 않은 조건에서 주장을 검증하도록 유도한다.

이 때문에 재현성은 특히 중요하다. 어떤 모델, 학습 절차, 로봇 구성이 결과를 만들었는지 명확히 설명하면 다른 이들이 해당 접근법이 자신의 요구에 맞는지 판단하는 데 도움이 된다.

뉴스의 가치는 비디오 예측이 로봇 제어 문제를 해결했다는 데 있지 않다. 개발자가 이제 그 질문에 답하는 과정에서 살펴볼 또 하나의 구체적인 구현을 갖게 됐다는 데 있다.

기본 체크포인트는 적응을 위한 출발점

일반 기본 모델은 추가 작업 없이는 로봇 정책으로 실행되지 않는다.

정책은 관측 정보와 지시를 동작으로 매핑하는 구성 요소다. Runway의 기본 체크포인트는 변경 없이 정책으로 작동하는 데 필요한 로봇별 동작 헤드가 없다고 명시한다.

동작 헤드는 공유 모델 표현을 특정 장비를 위한 출력으로 변환한다. Runway는 개발자에게 관련 구성 요소를 초기화하고, 자신의 장비에 맞게 모델을 파인튜닝하라고 안내한다.

이 카드에는 18개의 서로 다른 로봇 또는 인간 구성체에 걸친 학습이 설명돼 있다. 이러한 폭은 모델이 의도한 적응성에 대한 맥락을 제공한다. 그러나 익숙하지 않은 장비가 별도 맞춤화 없이 기본 체크포인트를 사용할 수 있다는 점을 입증하지는 않는다.

이 구분은 기업이 자체 실험을 설명하는 방식에도 반영돼야 한다. 기본 모델을 내려받는 일은 확보 단계의 이정표다. 특정 로봇에 대해 유효한 출력을 생성하는 일은 통합 단계의 이정표다. 작업을 안정적으로 완료하는 일은 평가 단계의 이정표다.

이 이정표들을 하나로 뭉뚱그리면 진척 상황을 평가하기 어려워진다. 팀은 작동하는 소프트웨어를 갖추고도 유용한 제어기를 아직 확보하지 못했을 수 있다. 또한 특정 작업을 완료했더라도 일상적인 변동에 대비하지 못했을 수 있다.

DROID robot policy는 더 구체적이다. Runway는 이를 Robotiq 그리퍼가 장착된 단일 Franka 암에 맞게 조정한 모델이라고 설명한다. 문서화된 관측값에는 외부 카메라와 손목 카메라가 포함된다.

현재 카드에는 54.4 GB의 가중치가 기재돼 있으며, 추론에 80 GB GPU 한 대가 필요하다고 명시돼 있다. 24단계 액션 청크를 사용해 15 Hz로 제어한다고 설명하는데, 이는 여러 명령을 한꺼번에 생성하는 시퀀스를 뜻한다.

이 세부 사항은 개발자에게 구체적인 기준 구성 환경을 제공한다. 동시에 “내 하드웨어에서 실행된다”는 말에는 그래픽 프로세서나 로봇 브랜드를 언급하는 것보다 더 정확한 설명이 필요하다는 점을 보여준다.

일치하는 장비라도 예상된 관측값과 액션 규약이 필요하다. 카메라 위치나 좌표 해석의 차이는 모델이 받는 정보와 그 출력이 의미하는 바에 영향을 줄 수 있다.

구매자에게 이는 적응 책임을 조달 과정의 핵심 질문으로 만든다. 누가 학습 데이터를 제공하는가? 누가 액션 인터페이스를 검증하는가? 환경이 바뀐 뒤 실패가 발생하면 누가 조사하는가?

오픈 모델이 통합자를 대신해 이런 질문에 답해주지는 않는다. 대신 통합자가 답을 통제할 수 있는 여지를 더 제공한다.

팀은 구성 선택의 근거도 보존해야 한다. 검색 가능한 engineering knowledge base는 모델 문서를 실험 기록 및 통합 결정과 연결할 수 있다.

겉보기에는 모델이 개선된 것처럼 보여도, 실제로는 카메라·지시문·평가 설정이 바뀐 결과일 수 있다. 구성 이력이 없으면 팀은 진척의 원인을 잘못 귀속할 위험이 있다.

더 넓게 보면, 적응 작업은 여전히 제품의 일부다. 가중치를 내려받은 뒤 부수적으로 처리할 단계가 아니라 프로젝트 계획과 공급업체 논의에 포함돼야 한다.

Praxis-1은 이 작업을 위한 토대를 제공한다. 최종 시스템의 품질은 이 토대가 특정 장비와 운영 작업에 얼마나 신중하게 연결되는지에 달려 있다.

벤치마크 선두라는 평가는 구체적인 범위를 가진다

Runway가 보고한 해당 범주의 선두 성과를 전체 리더보드 1위로 제시해서는 안 된다.

회사의 11월 비교 자료는 Praxis-1 46.2%, FLUX 3 Action 42.9%, Cosmos3 Nano 36.8%, π0.5 28.0%를 제시한다. 이는 1,200개 에피소드 전반에서 보고된 성공률이다.

Runway는 Praxis-1을 선도적인 월드 액션 모델이라고 부르며, 시각 및 언어 입력을 액션과 연결하는 오픈 웨이트 비전-언어-액션 모델을 능가한다고 말한다. 기술 보고서에서는 전체 순위에서 이보다 앞선 항목이 네 개라고 밝힌다.

이 단서는 독자가 받아들여야 할 핵심 메시지를 바꾼다. 보고된 결과는 정해진 비교 범위 안에서의 경쟁력 있는 위치를 뒷받침한다. Praxis-1이 모든 로보틱스 접근법을 이끈다는 무제한적 주장을 뒷받침하지는 않는다.

RoboLab benchmark 논문 역시 이 평가가 무엇을 살피도록 설계됐는지 설명한다. 저자들은 시각적·절차적·관계적 역량을 포괄하는 120개 작업을 설명한다. 또한 통제된 변동과 일반화 이해의 어려움을 강조한다.

이러한 범위 덕분에 벤치마크는 유용하다. 통제된 비교는 선별된 시연이 감출 수 있는 차이를 드러낼 수 있다. 또한 어떤 환경 변화가 성능에 영향을 주는지 연구자가 조사하도록 돕는다.

그러나 벤치마크의 유용성이 그 종합 점수를 보편적인 배포 전망으로 만들지는 않는다. 구매자의 작업 분포는 벤치마크와 다를 수 있다. 실패한 시도의 결과도 다를 수 있다.

연구 평가는 작업이 지정된 종점에 도달했는지를 셀 수 있다. 운영 평가는 중단, 복구, 감독, 인근 장비의 상태도 고려해야 한다.

이는 특정 작업장에서 Praxis-1의 성능이 낮다는 증거가 아니라 분석상의 구분이다. 현재 이용 가능한 점수만으로는 배포가 제기하는 모든 질문에 답할 수 없다.

DROID 카드는 별도의 측정치도 제공한다. 프롬프트 준수 평가에서 완전 준수율 52.5%를 제시한다. 95% 신뢰구간은 35.8%에서 68.3%라고 보고한다.

신뢰구간은 추정치 주변의 통계적 불확실성을 설명한다. 범위가 넓다는 점은 이 결과를 정밀하게 확립된 성능 수준으로 다루지 말아야 할 이유다.

두 수치가 같은 것을 측정한 것처럼 RoboLab 수치와 결합해서는 안 된다. 서로 다른 작업, 성공 정의, 평가 조건은 서로 다른 질문에 답하는 수치를 만들 수 있다.

경쟁사에게 이는 단일 순위를 넘어 의미 있는 비교를 할 여지를 만든다. 종합 점수가 더 낮은 모델도 구매자의 특정 작업에는 고려할 가치가 있을 수 있다. 이를 입증하려면 유리한 수치를 선별적으로 사용하는 대신, 조건을 맞춘 평가가 필요하다.

Runway에게는 동일한 공급업체 보고 결과를 반복해서 언급하는 것보다 독립적인 재현이 이번 공개를 더 강화할 수 있다. 외부 테스트는 보고된 우위가 서로 다른 구현과 일상적인 환경 변동에서도 유지되는지 보여줄 수 있다.

적절한 해석은 기각도 보편적 지지도 아니다. Runway는 조사할 가치가 있는 결과를 공개했으며, 동시에 그 결과의 경계를 중요하게 만드는 충분한 단서도 제시했다.

재현, 적응, 배포 증거를 주시하라

다음으로 유용한 증거는 외부 팀이 무엇을 재현하고, 이전하고, 일관되게 운영할 수 있는지를 보여줄 것이다.

첫 번째 신호는 보고된 벤치마크 행동의 독립적 재현이다. 체크포인트, 소프트웨어 버전, 작업 프로토콜, 실패한 시도를 식별하는 평가를 살펴봐야 한다.

근접한 재현은 공개된 결과가 원래 구현을 넘어 이전 가능하다는 신뢰를 높일 것이다. 상당한 차이가 난다면, 그것을 모델 자체의 문제로 돌리기 전에 조사가 필요하다.

구성 차이는 불일치에 대한 그럴듯한 설명이다. 평가 절차의 차이도 마찬가지다. 투명한 보고는 이러한 가능성을 더 쉽게 구분하게 해준다.

두 번째 신호는 추가 하드웨어에 대한 문서화된 적응이다. 유용한 증거에는 개발자가 무엇을 바꿨는지, 어떤 데이터가 필요했는지, 조정된 시스템을 어떻게 평가했는지가 포함된다.

성공적인 시연만으로는 적응 부담이 분명하지 않다. 상세한 기록은 다른 팀이 실질적인 출발점을 가질 수 있는지, 아니면 상당한 맞춤형 엔지니어링에 직면하는지를 보여줄 수 있다.

특히 기존에 물려받은 능력과 추가 학습 과정에서 습득한 능력을 구분하는 보고서를 주시해야 한다. 이 구분은 구매자가 일반 모델이 무엇을 기여하는지 이해하는 데 도움이 된다.

세 번째 신호는 선별된 성공 사례를 넘어선 운영 증거다. 반복 실행, 명확히 설명된 개입, 그리고 시도가 잘못됐을 때 시스템이 어떻게 행동하는지에 대한 기록을 찾아야 한다.

이러한 증거는 접근 가능한 가중치가 유용한 제품을 뒷받침할 수 있다는 주장을 강화할 것이다. 반대로 좁은 설정에 계속 의존한다면 통합 서비스와 특화된 제어 시스템의 가치가 더 커질 것이다.

이 신호들은 누가 즉각적인 압박을 받는지도 설명한다. 하드웨어 기업은 자사의 적응 우위에 대해 명확히 설명해야 한다. 모델 개발자는 외부 테스트를 견디는 비교 자료가 필요하다. 구매자는 실제 업무와 연결된 증거가 필요하다.

Runway Praxis-1 오픈 웨이트 발표는 이 그룹들에게 평가할 구체적인 패키지를 제공한다. 그러나 이들의 서로 다른 요구사항을 해결하거나 준비 상태에 대한 공통 정의를 확립하지는 않는다.

이번 공개가 전개되는 과정에서도 이 구분은 계속 드러나야 한다. 더 나은 접근성은 조사를 가능하게 한다. 더 나은 증거는 조직이 실험을 확대할지, 접근 방식을 수정할지, 다른 시스템을 선택할지를 결정한다.

Runway Praxis-1 오픈 웨이트를 배포 결정으로 다루기 전에, 이 공개 내용을 조직이 실제로 수행해야 하는 특정 작업과 비교하라. 문서화된 하드웨어 가정과 평가의 성공 정의부터 살펴보라. 그다음 독립 결과, 적응 보고서, 실패한 실행에 대한 기록을 검토하라. 모든 결론에는 테스트된 버전과 구성을 함께 명시하라. 연구가 목적이라면 조건 변화에 따라 행동이 왜 달라지는지를 보여주는 실험을 우선시하라. 작동하는 시스템을 구매하는 경우라면 공급업체에 통합 책임, 감독 요구사항, 복구 행동을 설명하도록 요청하라. 모델 카드와 함께 이번 공개를 읽고, 다음 단계를 정당화할 증거가 무엇인지 결정하라. 어떤 결과가 결정을 가장 크게 바꿀까? 재현 가능한 성능, 더 쉬운 하드웨어 적응, 아니면 더 신뢰할 수 있는 운영인가?

 
 

무료로 시작하세요

개인 지식 관리 기능을 갖춘 로컬 우선 AI 어시스턴트

더 나은 AI 경험을 위해

현재 remio는 Windows 10+ (x64) 및 M-Chip Macs만 지원합니다.

업무를 위한 AI 파트너
remio와 더 많은 일을 해내세요

계획하고, 만들고, 완성하세요
모든 일을 한곳에서

bottom of page