NEWS
국내외 13개 매체를 주기적으로 수집해 한국어로 요약합니다.
엔비디아(NVIDIA)가 오픈소스 AI 플랫폼 허깅페이스(Hugging Face)를 129억3000만 달러(약 17조5600억원)에 인수한다고 발표했다. 2016년 설립된 허깅페이스는 AI 모델과 데이터셋을 공유하는 개방형 플랫폼으로, 현재 전 세계 1800만 명의 개발자와 연구자가 활동하고 있다. 플랫폼에는 300만 개 이상의 AI 모델, 50만 개의 데이터셋, 100만 개의 애플리케이션이 등록되어 있다. 로봇 분야에서도 허깅페이스는 학습 데이터와 정책(policy) 공유 허브로 활용되고 있다.
큐레이터허깅페이스가 GPU 시장 지배적 사업자인 엔비디아 산하로 편입되면서, 플랫폼의 하드웨어 중립성 유지 여부가 로봇·AI 연구 커뮤니티의 공통 관심사로 부상할 수 있다.
로봇산업의 경쟁 기준이 성능 중심에서 사이버보안(cybersecurity)으로 확장되고 있다는 흐름을 (주)피넛AI 사례를 통해 조명한 기사다. 현대 로봇은 카메라·마이크·라이다(LiDAR) 등 다양한 센서로 주변 정보를 수집하고 AI가 이를 분석해 액추에이터를 제어하는 구조로 작동한다. 클라우드 및 관제시스템과 연결된 로봇이 늘어나면서 보안 취약성이 새로운 산업 과제로 부상하고 있다. 기사 본문이 일부만 제공되어 피넛AI의 구체적인 기술·제품 세부 사항은 확인되지 않는다.
큐레이터"기업 최전선을 가다" 시리즈는 기업 소개 성격이 강해, 피넛AI의 기술·성과에 대한 서술은 독립 검증 없이 업체 측 입장을 반영했을 가능성이 있으며, 본문 일부만 확인된 상태라 구체적 주장의 맥락은 원문 전체를 통해 재확인이 필요하다.
NVIDIA가 AI 모델 허브 Hugging Face를 인수할 계획이라고 The Robot Report가 보도했다. NVIDIA는 이미 Hugging Face의 주요 모델 기여 기업 중 하나로 참여하고 있다. 인수 이후에도 Hugging Face 플랫폼의 개방형 운영 방식은 유지할 방침이라고 알려졌다. Hugging Face는 최근 호스팅 데이터셋 수가 100만 개를 넘어섰다.
큐레이터플랫폼 개방 유지 방침은 NVIDIA 측이 밝힌 계획이므로, 인수 완료 후 실제 운영 방식이 달라질 가능성은 독립적으로 확인되지 않았다. 로봇·AI 개발자 입장에서는 주요 모델 허브의 소유권이 핵심 하드웨어 공급사로 넘어갈 경우 생태계 중립성에 어떤 영향을 미칠지 지켜볼 필요가 있다.
일본 로봇 스타트업 지자이(Jizai)가 탁상형 AI 로봇 팔미모(Palmimo)의 개발 키트를 얼리빌더·얼리파트너 대상으로 선행 판매한다. 팔미모 개발 키트는 사용자가 직접 커스터마이징해 구동할 수 있는 탁상형 플랫폼으로, 시선 맞추기와 음성 반응 기능을 갖춘다. 지자이는 소프트웨어를 단계적으로 오픈소스로 공개해 팔미모를 개방형 공동 창작 플랫폼으로 발전시킬 계획이다. 팔미모는 2025 CES에서 처음 공개된 바 있다.
큐레이터소프트웨어를 '단계적으로' 오픈소스화한다고 밝혔으나 공개 범위와 시점이 구체적으로 제시되지 않아, 개방형 플랫폼으로서의 실질적 활용 가능성은 추후 공개 일정을 확인해야 판단할 수 있다.
레저바(Reservoir)와 존 디어(John Deere)가 1000만 달러(약 138억 원) 규모의 3개년 연구개발 협력 계약을 체결했다. 두 회사는 이 계약을 통해 고부가 작물 농업을 위한 내구성 AI(rugged AI) 기술의 개발과 상용화를 추진한다. 레저바는 농업 혁신 플랫폼과 벤처 캐피털 펀드를 결합한 구조로, 농업 등 핵심 산업 분야에서 내구성 AI의 적용 범위 확대를 목표로 한다.
큐레이터'내구성 AI'의 구체적 기술 범위와 성능 기준이 공개되지 않아 기존 농업 AI 솔루션과 무엇이 다른지 현재로서는 판단하기 어렵고, 3개년 R&D 계약이므로 상용화 결과는 계약 종료 이후에나 확인 가능하다.
에이스로보틱스(ACE ROBOTICS, 大晓机器人)가 홍콩대학교와 협력해 비전-언어-행동 모델(VLA, Vision-Language-Action Model)에 시간 이해 능력을 부여하는 모델 'StreamPI(Streaming Multimodal Temporal Modeling for Vision-Language-Action Models)'를 공개했다. StreamPI는 로봇이 과거 상황을 기억하고 현재를 인식하며 미래 동작을 예측하는 연속적 피지컬 인텔리전스(physical intelligence)를 지원하도록 설계됐다. VLA 모델은 언어 이해, 환경 인지, 로봇 동작 생성을 통합하는 구조로, StreamPI는 여기에 다중모달 시간 모델링을 결합한다.
큐레이터발표 자료에 실험 환경(시뮬레이션 또는 실기)과 평가 과제 수가 명시되지 않아, 시간 이해 능력이 실제 작업 현장에서 어느 범위까지 작동하는지는 아직 확인이 필요하다.
라온피플(대표 이석중)이 과학기술정보통신부와 정보통신산업진흥원(NIPA)이 추진하는 피지컬AI(Physical AI) 국책사업 중 '무인공장 운용-피지컬AI SDF(Software-Defined Factory) 특화기반 모델 연구 개발' 과제 수행기관으로 선정됐다. 전북대학교가 주관하고 라온피플·NC AI 등 15개 산·학·연 기관이 컨소시엄을 구성한다. 사업 기간은 2030년까지 5년이며 총 사업비는 702억원이다.
큐레이터선정 발표 시점이므로 실제 기술 성과는 2030년까지의 연구가 끝나야 평가할 수 있으며, 국책과제 특성상 이 기사는 사실상 정부·컨소시엄 측 발표를 옮긴 것임을 감안해 읽을 필요가 있다.
기능 안전(functional safety) 및 모션 컨트롤러를 공급하는 NexCOBOT이 피지컬 AI(physical AI) 시장의 과제와 성장 전망을 짚었다. 해당 논의에서는 '빅테크(Big Tech)' 기업들이 피지컬 AI 분야에 미치는 영향이 언급된다. 피지컬 AI가 앞으로 성장할 영역에 대한 방향성도 함께 제시된다.
큐레이터NexCOBOT은 피지컬 AI 공급망에 직접 이해관계가 있는 업체이므로, 시장 성장 전망은 독립적 분석이 아닌 자사 입장에서 나온 견해임을 감안해 읽을 필요가 있다.
서울대학교 기계공학부 윤병동 교수 연구팀이 제조 현장의 데이터 수집부터 추론·의사결정·물리적 실행까지 전 과정을 AI로 연결하는 '풀스택 AI 팩토리' 연구에 착수했다. 해당 과제는 2026년도 리더연구 유형A에 최종 선정됐으며, 2026년 6월부터 9년간 수행된다. 연구팀은 대규모 데이터를 사전 학습한 파운데이션 모델(foundation model)을 제조 업무에 특화된 형태로 개발하고, 이를 실제 제조라인에 적용해 제조 자율화의 기반을 마련할 계획이다.
큐레이터착수 발표 단계이므로 파운데이션 모델의 실제 제조라인 적용 성과는 수년 후에나 확인 가능하며, 시뮬레이션과 실기 적용 결과를 구분해 후속 보고를 지켜볼 필요가 있다.
Visko가 Orbis 라이브 모델을 공개하고 프리시드 투자 라운드를 마무리했다. Orbis는 초당 24프레임으로 4K 영상을 스트리밍하며, 사용자 개입에 반응하는 기능을 갖추고 있다. 시간 단위의 장기 생성 과정에서도 드리프트(drift) 없이 안정적인 출력을 유지한다고 밝혔다.
큐레이터드리프트 없는 장시간 안정 생성이라는 핵심 주장은 Visko 측 발표에 근거한 것으로, 독립적인 검증 결과는 아직 공개되지 않았다. 프리시드 단계임을 감안하면 실제 배포 환경에서의 성능은 별도로 확인이 필요하다.
로봇 안전 보증(safety assurance) 체계가 특정 유형의 공격을 충분히 다루지 못하고 있다는 문제가 제기됐다. 해당 공격은 로봇이 환경을 인지하는 방식, 의사결정 과정, 그리고 최종 행동 출력을 변조할 수 있다. 기사는 이 세 단계에 걸친 공격 가능성을 안전 보증의 '누락된 계층'으로 규정하며 대응 필요성을 강조한다.
큐레이터이 문제 제기가 실증 연구에 기반한 것인지, 아니면 편집·논평 성격의 분석인지에 따라 시사점의 무게가 달라지므로 원문의 근거 유형을 확인할 필요가 있다.
John Deere가 농장의 과거 데이터를 실행 가능한 인사이트로 변환하는 AI 도구 JD를 출시했다. 이 도구는 농업인의 수익성 향상을 목적으로 설계되었으며, 기존 정밀농업 플랫폼인 Operations Center에 통합된 형태로 제공된다. 원문에 구체적인 기능 사양이나 수치는 공개되지 않았다.
큐레이터John Deere의 자체 발표로, 실제 농가 현장에서 인사이트 품질이나 수익성 개선 효과를 독립적으로 검증한 결과가 없어 기존 정밀농업 플랫폼 대비 무엇이 실질적으로 달라지는지는 아직 확인하기 어렵다.
비드래프트(VIDRAFT)가 원격조종 방식의 보급형 4족보행 로봇을 자율보행 로봇으로 전환하는 온디바이스(on-device) AI 키트 '비독(VIDOG)'을 개발해 공급했다. 비독은 로봇 기체나 기존 펌웨어를 대규모로 개조하지 않고 로봇 등 위에 소형 AI 모듈을 올리는 방식으로 자율주행 기능을 이식한다. 엔비디아(NVIDIA) 젯슨(Jetson) 기반으로 설계됐으며, 고가의 완제품 자율로봇을 새로 구매하는 대신 기존 로봇에 AI 모듈을 부착하는 형태다. 파트너사 씨즐(Sizzle)은 2026년 9월 2일 개막하는 '2026 광주미래산업엑스포'에 비독 탑재 자율보행 로봇을 전시할 예정이다.
큐레이터엑스포 전시 데모 수준의 공개이므로 실제 현장 환경에서의 자율보행 신뢰성은 아직 확인되지 않았으며, 기존 로봇의 펌웨어·하드웨어 제약이 모듈 성능에 미치는 영향도 독립적으로 검증되지 않은 상태다.
Anthropic이 AI가 로봇팔·현미경 등 기계 장비를 직접 조작할 수 있도록 지원하는 인터페이스 규격 '모델 하드웨어 스탠다드(MHS·Model Hardware Standard)'를 공개했다. MHS는 프로그래밍 가능한 인터페이스를 갖춘 모든 장비와 호환되도록 설계됐으며, 과학 연구 및 첨단 제조업 분야 장비도 적용 대상에 포함된다. Anthropic은 MHS를 기기 간 정보 전달 방식을 표준화한 USB-C 케이블에 비유해 설명했다.
큐레이터규격 공개 자체는 시작일 뿐이며, 실제 의미는 로봇·실험장비 제조사들이 MHS를 얼마나 채택하느냐에 달려 있다. USB-C 비유는 Anthropic 측의 표현으로, 범용 표준으로 자리잡을지는 아직 시장 반응을 지켜봐야 한다.
KAIST 기계공학과 이승철 교수 연구팀이 한국과학기술연구원(KIST), 서울과학기술대학교와 공동으로 AI를 활용해 3D 프린팅용 고신축성 소재를 개발했다. 개발된 소재는 원래 길이의 6배 이상 늘어나는 특성을 지니며, AI가 소재의 최적 배합을 탐색해 복잡한 형상도 출력할 수 있다. 이 소재로 제작한 소프트 로봇손(soft robotic hand)은 달걀과 물병 등 형태가 다른 물체를 파지하는 데 활용됐다. 연구팀은 해당 소재가 웨어러블 기기 및 맞춤형 의료기기 분야로도 응용될 수 있을 것으로 보고 있다.
큐레이터파지 시연이 달걀·물병 두 가지 물체에 그쳐 다양한 형태·무게 범위에서의 성능은 아직 확인되지 않았으며, 신축률 등 소재 특성 수치는 연구팀 발표 기준임을 감안해야 한다.
Skild AI가 S1 로봇 파운데이션 모델(robot foundation model)을 공개했다. S1은 작업을 수행하는 영상을 보는 것만으로 로봇이 새로운 작업을 학습할 수 있도록 지원한다고 회사 측은 밝혔다.
큐레이터영상 관찰만으로 새 작업을 학습한다는 주장은 Skild AI 측의 발표이며, 독립적인 검증이나 실기 평가 조건(과제 종류·로봇 플랫폼·성공률 등)은 공개 자료에서 아직 확인되지 않는다.
피지컬 AI(physical AI) 구현에는 로봇이 실제 환경의 작업을 수행할 수 있도록 더 정교한 그리퍼(gripper)가 필요하다는 내용을 다룬다. 그리퍼에 요구되는 핵심 요소로 민첩성(dexterity), 감지(sensing), 적응성(adaptability)이 제시된다. 기사는 이 세 가지 특성의 발전이 로봇의 실세계 작업 처리 능력을 결정짓는 변수로 본다.
큐레이터산업 전문 매체의 분석 기사로, 민첩성·감지·적응성이 핵심 변수라는 주장이 독립적으로 검증된 기준인지, 특정 업체·제품군의 관점을 반영한 것인지는 원문에서 확인이 필요하다.
Drexel University, George Mason University, 미 공군사관학교 공동 연구팀이 휴머노이드 로봇의 실수가 인간의 경계심에 미치는 영향을 뇌과학적으로 분석했다. 연구 결과, 로봇이 오류를 범할 때 사람들의 의심 반응이 증가하는 것으로 나타났다. 특히 로봇이 감정 표현이 풍부한 대화 상대일 때 이 경계심이 더욱 두드러지게 나타났다. 이 연구는 인간-로봇 상호작용(HRI) 설계에서 로봇의 표현성과 오류 처리 방식이 신뢰 형성에 중요한 변수임을 시사한다.
큐레이터뇌과학 측정이라는 특성상 통제된 실험실 환경에서 수행된 연구일 가능성이 높아, 실제 현장의 다양한 HRI 맥락에서도 같은 패턴이 나타나는지는 추가 검증이 필요하다.
일본 정부와 도쿄전력(Tokyo Electric Power Holdings)은 후쿠시마 제1원자력발전소 폐로 작업에 AI가 로봇을 자율 판단·제어하는 피지컬 AI(Physical AI) 기술을 도입하기로 했다. 핵연료 잔해(데브리) 회수 과정에서 작업자의 방사선 피폭을 줄이고 작업 속도를 높이는 것이 주요 목적이다. 이를 위해 일본 정부와 도쿄전력홀딩스는 올해 안에 폐로용 피지컬 AI 활용 방안을 논의할 산관학(産官學) 컨소시엄을 설립할 방침이다. 컨소시엄에는 AI 개발 스타트업, 로봇 제조업체, 대학 연구진 등이 참여할 것으로 예상된다.
큐레이터컨소시엄 설립 자체가 아직 '올해 안' 목표 단계여서 실제 투입 시기나 기술 사양은 공개되지 않았으며, 고방사선 환경이 AI 센서·학습 데이터에 미치는 영향은 일반 산업 현장 실증과 별도로 검증이 필요한 지점이다.
로봇과 인공지능(AI)을 활용해 세포 배양 공정을 자동화하는 '첨단바이오 범용 자율실험실(SDL, Self-Driving Lab)' 구축 과제가 지난 28일 첫 성과교류회를 개최했다. 기존에 연구자가 매일 수행하던 배지 교체, 현미경 기반 세포 상태 판단 등의 작업을 로봇·AI 시스템에 위임하는 것이 핵심 목표다. 주관기관인 가톨릭대학교를 포함해 입셀, 로봇앤드디자인, 한국기계연구원, 셀틱스테크놀로지, 중앙대학교 등 6개 산·학·연 기관이 참여해 1차연도 진행 상황을 공유하고 자동화 대상 공정을 논의했다.
큐레이터1차연도 성과교류회에서 '자동화 대상 공정을 논의'한 단계라고 명시되어 있어, 시스템의 실제 자동화 성능은 아직 공개된 데이터가 없다는 점을 감안해야 한다.
embodied-sync는 카메라·로봇 상태 등 이기종 센서 스트림 간 타이밍 불일치를 해결하기 위한 멀티모달(multimodal) 로봇 학습 데이터 동기화 오픈소스 도구다. 카메라와 로봇 상태의 샘플링 주기 차이, 패킷 지연, 장치 재연결 시 발생하는 시간 오프셋 초기화 문제를 처리 대상으로 한다. 라이브 센서 스트림과 사전 녹화 데이터셋 모두에서 동작하며, UMI·LeRobot·ROS 2/rosbag2+MCAP·LSL/XDF·Rerun·SurgSync 형식을 지원한다. 사용자 지정 데이터셋 형식에는 대화형 인터페이스를 통해 정렬 방식과 포맷을 선택할 수 있다. 다운샘플링 주파수·프레임 누락·지연 시간 등 상세 보고서를 자동으로 생성하고 프레임 단위 검사 기능도 제공한다.
큐레이터로봇 모방 학습 데이터셋에서 센서 간 타이밍 오류는 조용한 품질 저하 원인으로 꼽혀왔으나, 별도 전처리 도구 없이 연구자가 직접 처리해 온 경우가 많았다는 점에서 이 도구가 실제로 얼마나 다양한 엣지케이스를 커버하는지는 커뮤니티 사용 사례가 쌓여야 판단할 수 있다.
'AI 요약' 표시가 붙은 항목은 사람 검수를 거치지 않았습니다. 모든 항목은 원문 링크·매체·날짜를 함께 표기하며, 요약 외 전문은 싣지 않습니다.