NEWS
국내외 13개 매체를 주기적으로 수집해 한국어로 요약합니다.
물리적·엠바디드 AI(embodied AI)의 발전을 가로막는 연산 과부하 문제는 특정 플래너의 결함이 아니라 구조적 한계, 즉 '엣지 AI 장벽(edge AI wall)'으로 규정된다. 이 장벽은 엣지 디바이스에서 실시간 추론을 수행해야 하는 물리적 AI 전반에 공통으로 나타나는 제약으로 제시된다. 기사는 이 한계를 돌파하려면 기존 컴퓨팅 패러다임이 아닌 새로운 수학적 토대가 요구된다고 주장한다.
큐레이터'새로운 수학이 필요하다'는 주장이 누구(연구자, 업체, 기고자)로부터 나온 것인지 원문에서 확인이 필요하며, 구체적인 대안 수식이나 검증 사례 없이 문제 규정에만 머무는 논거인지 살펴볼 필요가 있다.
이스라엘 기업 리미틀리스 랩스(Limitless Labs, 구 리미틀리스 CNC)가 정밀 제조용 피지컬 AI(Physical AI) 기초 모델 및 플랫폼 확장을 위해 2000만 달러(약 278억원) 규모의 시리즈 A 투자를 유치했다. 이번 투자는 델 테크놀로지스 캐피털(Dell Technologies Capital)과 스퀘어 페그(Square Peg)가 공동 주도했으며, 그로브 벤처스(Grove Ventures), 메론 캐피털(Meron Capital), 키네티카(Kinetica)가 추가로 참여했다. 리미틀리스 랩스는 기계 제조 분야의 캐드/캠(CAD/CAM·컴퓨터지원설계/생산) 작업을 위한 에이전트형 피지컬 AI 플랫폼을 개발하는 기업이다.
큐레이터시리즈 A 단계 투자 발표로, 플랫폼의 실제 정밀 제조 현장 적용 성능은 아직 독립적으로 검증되지 않은 상태다. CAD/CAM 자동화는 기존 대형 소프트웨어 업체들이 이미 오랫동안 다뤄온 영역이므로, 기존 솔루션 대비 구체적인 차별점 확인이 필요하다.
중국 미디어스톰(Mediastorm, 影视飓风)이 베이징 세계로봇대회(WRC) 2026 전시장에서 요리 로봇의 제어 두뇌와 '3K 비전 AI 요리 로봇'을 공개했다. 이 로봇은 AI 비전을 통해 음식 상태를 실시간으로 인식하고, 그에 따라 요리 방식을 즉시 조정할 수 있다. 멀티모달(multimodal) 요리 AI 파운데이션 모델을 탑재해 시각 정보와 요리 판단을 통합적으로 처리한다. 다만 공개된 본문이 일부 누락되어 구체적인 사양·성능 수치는 확인되지 않는다.
큐레이터전시회 부스 시연은 통제된 환경에서 이뤄지는 경우가 많아, 실제 주방의 다양한 변수에서도 같은 성능이 나오는지는 독립적인 검증이 필요하다. 실시간 인식·즉시 조정 등의 표현은 미디어스톰 측의 주장이며, 본문 일부 누락으로 구체적인 근거도 확인되지 않는다.
중국의 부스터로보틱스(Booster Robotics, 加速进化)가 로봇 분야 국제 학술지 사이언스 로보틱스(Science Robotics)에 휴머노이드 로봇의 시각 기반 반응형 축구 기술 학습에 관한 논문을 발표했다. 논문 제목은 'Learning Vision-Driven Reactive Soccer Skills for Humanoid Robots'이며, 시각적 불확실성에 대응하기 위한 통합 감지-동작 강화학습(reinforcement learning) 프레임워크를 다룬다. 해당 연구는 중국 로봇 전문 포털 중국로봇망을 통해 소개됐다.
큐레이터요약에는 실험이 시뮬레이션 환경인지 실제 로봇을 대상으로 한 것인지 명시되지 않아, 결과의 현장 적용 가능성을 판단하려면 논문 원문의 실험 조건 확인이 필요하다.
Brian Corp의 최고기술책임자(CTO) John Black이 로봇 플릿(fleet)과 인공지능에 대한 신뢰 구축 방안을 주제로 의견을 제시한다. 기사는 기존의 '티치 앤 리피트(teach and repeat)' 방식에서 자사 기술인 SelfPath AI로의 전환을 핵심 흐름으로 다룬다. 다만 본문으로 제공된 내용이 도입부 요약에 그쳐 구체적인 기술 사양이나 실험 결과는 확인되지 않는다.
큐레이터자사 CTO가 자사 기술의 우위를 주장하는 기고 형식이므로, 독립된 검증 데이터나 비교 실험 없이는 'teach and repeat' 대비 SelfPath AI의 실질적 개선 폭을 판단하기 어렵다.
2026년 8월 24일 주간 ROS 뉴스로, Lyrical 릴리스 약 3개월 전을 맞아 ROS 패키지 생태계 업데이트가 이어지고 있다. @smac이 Lyrical용 Nav2를 공개했으며, 다수의 신규 기능이 릴리스 노트에 기재되어 있다. ROS2SmolVLA 패키지는 ROS 2를 구동하는 산업용 협동로봇에 소형 시각-언어-행동 모델(VLA)을 연동할 수 있도록 지원한다. @aitor-ibarguren이 ROS 2 Jazzy용 비주얼 서보잉(visual servoing) 컨트롤러를 공개했으며, 위치 기반(PBVS)과 이미지 기반(IBVS) 두 방식 모두를 지원하고 액션 서버를 통해 파라미터 설정이 가능한 태스크를 제공한다. @01binary의 개인 프로젝트인 Str1ker 메크 로봇의 소스코드와 CAD 파일도 이번 주 공개됐다.
큐레이터운영 화면에서 붙인 첫 노트 — 이 항목이 왜 볼 만한지 한 줄.
Anthropic이 AI 에이전트가 장비를 제어하기 위한 드라이버 표준인 모델 하드웨어 표준(Model Hardware Standard, MHS)을 공개 예고했다. MHS는 읽기·쓰기 프리미티브, 디바이스 탐색, 디바이스별 참조 파일을 포함하며 MCP(Model Context Protocol)를 통해 접근하는 모델 무관(model-agnostic) 구조로 설계됐고, 안전성 평가 완료 후 오픈소스로 공개될 예정이다. Universal Robots와 Doosan이 파트너로 참여하고 있다. ROS Discourse 게시물 작성자는 Apache-2.0 라이선스 기반 의도 언어(intent language)인 URML을 관리하고 있으며, URML은 명령 디스패치 전 프로그램 전체를 역량 매니페스트(capability manifest)와 배포 안전 엔벨로프(deployment safety envelope)에 대해 검증한 뒤 ROS 2 런타임 등을 통해 실행한다. 작성자의 계층 분석에 따르면 MHS는 URDF·SDF와 같은 계열의 Layer-0 드라이버·기술 표준이며, 의도 계층은 MHS에서 매니페스트를 도출하고 디바이스별 호출 제한·전체 계획 거부·사이트별 배포 엔벨로프의 세 단계로 안전성을 보장하는 구조다.
큐레이터게시물 작성자가 분석 대상인 URML의 개발자이기도 해서 계층 위치 해석에 이해관계가 있으며, MHS 자체가 아직 공개 전 예고 단계여서 실제 사양이 확정되면 계층 구조 분석이 달라질 수 있다.
ROBOTIS가 자사 로봇 팔 OMY를 기반으로 파지-배치(pick-and-place) 파이프라인을 공개했다. 시각-언어 모델(VLM)인 Gemini가 자연어 명령을 해석하고 카메라 입력에서 대상 물체를 식별하며, GraspNet이 3D 포인트 클라우드 데이터를 처리해 안정적인 6자유도(6-DoF) 파지 후보를 생성한다. 이후 이차계획법(QP) 기반 모션 컨트롤러인 Cyclo Control이 충돌 회피 궤적을 계획하고 역기구학(inverse kinematics)을 실시간으로 실행한다. 전체 시스템은 ROS 2 위에 구축되었으며, 비정형 환경에서도 임의 물체를 파지할 수 있다고 밝혔다. 소스코드와 문서는 오픈소스로 공개되었다.
큐레이터비정형 환경에서의 임의 물체 파지 가능성은 ROBOTIS 자체 발표이며, 독립적인 성공률 수치나 비교 벤치마크는 제시되지 않아 실제 범용성 판단은 유보가 필요하다. 오픈소스 공개로 재현 실험이 가능해진 만큼, 커뮤니티의 독립 검증이 시스템 신뢰도를 가늠하는 실질적 근거가 될 것이다.
경상남도와 경남대학교는 2026년 8월 28일 경남대 한마관 2층에 273㎡ 규모의 메가존 피지컬AI연구센터를 개소했다. 연구센터는 경남대가 보유한 제조 현장 데이터와 기업의 인공지능(AI)·클라우드 기술을 결합해 실제 제조 현장에 적용 가능한 AI 기술을 개발·검증하는 상시 거점으로 운영된다. 메가존클라우드, 알씨케이, 아이미크 등 3개 기업의 전문인력 20여 명이 상주하며 경남대 교수진·학생들과 제조 AI 연구개발을 공동 수행한다. 원문이 일부 미완성 상태로 제공되어 행정부지사 발언 등 일부 세부 내용은 확인되지 않는다.
큐레이터원문 자체가 미완성 상태임이 요약에서 명시되어 있어, 센터 운영 목표나 투자 규모 등 핵심 맥락 일부를 현 시점에서 확인하기 어렵다는 점을 감안해야 한다.
Hugging Face가 소형 오픈소스(open-source) 덕 로봇 Microduck의 주문을 399달러에 접수하기 시작했다. 이 로봇은 개발자가 별도의 추가 설정 없이 가정에서 바로 훈련할 수 있도록 설계되었다. 오픈소스 방식으로 제공되어 개발자 커뮤니티가 자유롭게 활용할 수 있다.
큐레이터가정에서 별도 설정 없이 바로 훈련 가능하다는 것은 Hugging Face 측의 설계 의도로, 실제 사용 편의성은 커뮤니티의 실사용 후기를 통해 검증될 필요가 있다.
Carbon Robotics가 데이터 레이블링 기업 iMerit과 파트너십을 체결하고 식물 기반 AI 파운데이션 모델(plant foundation AI model)과 트랙터 키트를 발표했다. 이 솔루션은 농부가 현장에서 레이저 제초(laser weeding) 동작을 즉시 커스터마이징할 수 있도록 설계됐다. 별도의 오프사이트 학습 없이 작업 환경에 맞춘 AI 조정이 가능해진다는 점이 특징이다.
큐레이터현장 즉시 커스터마이징이 가능하다는 것은 Carbon Robotics와 iMerit 측의 주장이며, 실제 다양한 작물·토양 조건에서의 성능은 독립적인 현장 검증이 이루어지지 않은 상태다.
2026년 8월 22일부터 26일까지 베이징에서 열린 '세계 휴머노이드 로봇 운동회(WHRG 2026)'에 16개국 로봇 2,000여 대가 참가하며 휴머노이드 로봇의 실용화가 가시화되고 있다. 이와 함께 로봇이 상호작용하는 상대방이 실제 사람인지 검증하는 디지털 신원 확인 기술의 필요성이 부각되고 있다. 월드ID(World ID)와 피크(peaq)는 로봇 및 자율기계의 신원 확인·서비스 연동을 지원하는 피크OS(peaqOS)에 월드ID의 인간 증명(proof-of-human) 기술을 통합했다고 27일 발표했다.
큐레이터이번 발표는 월드ID와 피크 양사가 공동으로 낸 것으로, 실제 로봇 환경에서의 인간 증명 기술 신뢰성·오작동률 등은 독립 검증 자료가 아직 공개되지 않았다.
Booster Robotics가 연구자·개발자를 위한 휴머노이드 개발 플랫폼 Booster T2를 공개했다. T2는 전신 보행·제어(whole-body locomotion and control), 이동 조작, 인간-로봇 상호작용, 원격 조작, 강화학습·모방학습, 시각-언어-행동 모델(VLA) 개발 등 다양한 연구 용도를 지원한다. ROS 2 호환성과 고수준·저수준 SDK를 모두 제공하며, 온보드 NVIDIA 컴퓨팅과 커스텀 센서 연동을 지원한다. 자유도·가반하중 등 세부 하드웨어 사양과 가격은 별도 문의를 통해 확인 가능하다.
큐레이터자유도·가반하중·가격 등 핵심 사양이 공개되지 않아, 연구자가 기존 플랫폼과 직접 비교하거나 예산을 가늠하기 어렵다는 점을 감안해야 한다.
전 Meta 소속 연구원들이 창업한 Perceptron이 공장 현장을 겨냥한 시각 인공지능(Visual AI) 모델을 제공하고 있다. 이 모델은 기계가 주변 환경을 탐색하도록 지원하는 동시에 심층 시각 분석 기능을 함께 제공한다고 회사 측은 밝히고 있다. 현재 원문에서 구체적인 기술 사양이나 성능 수치는 공개되지 않았다.
큐레이터구체적인 기술 사양이나 성능 수치가 공개되지 않은 창업 초기 발표로, 현재로서는 회사 측 주장 외에 제품의 실제 현장 적용 수준을 판단할 근거가 없다.
Bedrock Robotics가 운전자 없이 작동하는 자율 굴착기(autonomous excavator)를 실제 건설 현장에 처음으로 배치했다. 해당 장비는 인공지능(AI) 기반으로 구동되며, 별도의 탑승 운전원 없이 현장 작업을 수행한다. 이번 배치는 건설 업계의 인력 부족 문제에 대응하기 위한 시도로 이루어졌다. 원문에 구체적인 사양이나 성능 수치는 공개되지 않았다.
큐레이터실제 현장 배치라는 점은 시뮬레이션 단계를 넘어선 진전이지만, 구체적인 작업 범위·가동 시간·안전 감독 방식이 공개되지 않아 실질적인 운용 수준을 판단하기 어렵다.
이 기사는 로봇 AI 두뇌(brain) 개발이 언어 모델의 GPT-2 시대에 비견되는 초기 단계를 벗어나고 있다는 주제를 다룬다. 기사 본문에 따르면 로봇 하드웨어(몸체)는 이를 제어할 AI 소프트웨어의 성숙을 기다리고 있는 상태다. 단, 제공된 본문이 한 문장에 그쳐 구체적인 기술 내용·수치·기관명을 확인할 수 없으며, 전체 기사 원문 제공 시 요약을 보완할 수 있다.
큐레이터요약이 명시하듯 원문이 한 문장에 불과해 'GPT-2 시대를 벗어났다'는 비유가 누구의 주장인지, 어떤 근거에서 나온 것인지 현재로서는 확인할 수 없다.
미국 휴머노이드 로봇 기업 Figure AI가 실세계 로봇 훈련 데이터 수집 플랫폼 '인덱스(Index)'를 공식 출시했다. 피규어 AI는 자사 AI 모델 '헬릭스(Helix)'의 일반화 성능 향상을 위해 인터넷에 존재하지 않는 물리적 실세계 데이터가 필요하다고 판단해 이 플랫폼을 개발했다. 인덱스 앱은 구글 플레이스토어와 애플 앱스토어에서 내려받을 수 있다. 4개월간의 비공개 시범 운영 결과, 108개국에서 26만 4000건의 다운로드와 주간 활성 이용자 4만 4000명을 기록했다.
큐레이터다운로드·활성 이용자 수치는 Figure AI 자체 발표이며, 수집된 데이터의 품질이나 레이블링 방식이 공개되지 않아 실제 모델 일반화에 얼마나 기여할지는 아직 확인할 수 없다.
미국 로봇 스타트업 스킬드 AI(Skild AI)가 로봇 파운데이션 모델(foundation model) 'S1'을 공개했다. S1은 문맥 내 학습(In-Context Learning, ICL) 기술을 적용해, 사람의 작업 시연 영상 한 번만으로 새로운 로봇 작업을 수행할 수 있도록 설계됐다. 기존 방식은 새 작업마다 수십~수백 시간 분량의 원격조작(teleoperation) 데이터 수집과 작업별 정책 파인튜닝(fine-tuning)이 필요했다. S1은 이러한 별도의 데이터 수집 및 미세조정 절차 없이 영상 시연만으로 작업 적응이 가능하다고 스킬드 AI 측은 밝혔다.
큐레이터이 성능 수치는 스킬드 AI 측이 직접 밝힌 것으로, 독립적인 검증 결과가 아니며 시연 영상의 촬영 조건·과제 종류·범위가 공개되지 않아 실제 현장 적용 범위를 판단하기 어렵다.
엔비디아(NVIDIA)가 로봇·드론용 보급형 엣지 AI 컴퓨터 '젯슨 오린 나노 2(Jetson Orin Nano 2)'를 2026년 8월 25일 공개했다. 이 제품은 78TOPS의 AI 연산 성능, 8GB 메모리, 8코어 Arm CPU를 탑재했다. 기존 '젯슨 오린 나노 슈퍼' 대비 텐서 코어와 메모리 대역폭을 개선해 추론 성능이 2배 향상됐다. 15W 저전력 모드에서는 전작과 동일한 성능을 40% 낮은 전력 소비로 구현한다.
큐레이터추론 성능 2배 향상, 전력 소비 40% 절감 수치는 엔비디아 자체 발표 기준이며, 실제 로봇·드론 현장 환경에서의 독립 검증 결과는 아직 공개되지 않았다.
NVIDIA가 엣지(edge) 로봇 플랫폼용 신규 모듈 Jetson Orin Nano 2를 발표했다. 이 제품은 전작 대비 추론(inference) 성능을 2배로 높였다고 NVIDIA는 밝혔다. NVIDIA는 이를 통해 최신 AI 모델의 실시간 엣지 구동이 가능해졌다고 주장한다.
큐레이터2배 성능 향상 수치는 NVIDIA 자체 발표 기준이며, 어떤 모델·워크로드에서 측정한 것인지 독립적으로 검증되지 않았으므로 실제 현장 적용 시 조건을 별도로 확인할 필요가 있다.
Agtonomy 창업자는 인력 감소가 심화되는 상황에서 농업·건설 장비 제조사들이 경쟁력을 유지하려면 AI 도입이 필수적이라고 주장한다. 이 견해에 따르면, AI 분야의 다음 성장 기회는 소프트웨어 앱이나 휴머노이드 로봇이 아니라 실제 작업 기계에 AI를 결합하는 방향에 있다. 다만 본문이 짧은 티저 형식으로, 구체적인 수치·기술 사양·제품 정보는 제공되지 않는다.
큐레이터이 전망은 해당 분야에서 사업을 영위하는 창업자의 주장이므로, 시장 기회에 대한 독립적 분석과 구분해서 읽을 필요가 있다.
'AI 요약' 표시가 붙은 항목은 사람 검수를 거치지 않았습니다. 모든 항목은 원문 링크·매체·날짜를 함께 표기하며, 요약 외 전문은 싣지 않습니다.