NEWS
국내외 13개 매체를 주기적으로 수집해 한국어로 요약합니다.
MIT 연구팀이 소형 비행 로봇에 AI 제어 시스템을 적용해 비행 속도를 약 450% 높였다. 이 로봇은 11초 안에 공중제비(somersault) 10회를 수행하는 곤충 수준의 민첩성을 보인다. 연구팀에 따르면 이 기술은 기존 드론이 진입하기 어려운 지진 잔해 탐색이나 위험 공간 정찰에 활용될 가능성이 있다.
큐레이터ScienceDaily 기사 특성상 원문이 짧아 실험 환경(실내/실외, 제어 조건 등)과 AI 제어 방식의 구체적인 내용이 확인되지 않는다. 속도·민첩성 수치는 연구팀의 발표 기준이며 독립 검증 결과는 아니다.
NVIDIA Isaac ROS 5.0은 Open Robotics의 ROS(로봇 운영 체제) 오픈 프레임워크 위에 구축된 GPU 가속 패키지 모음으로, 오늘 공개됐다. 동적 환경에서 인식·추론·행동이 가능한 로봇 응용 프로그램의 개발 및 배포를 지원하는 것을 목표로 한다. NVIDIA는 이를 위한 물리적 AI(Physical AI) 모델과 개발 도구를 새롭게 제공한다고 밝혔다.
큐레이터본문이 중간에 잘려 있어 버전 업 세부 사항(새 패키지, 성능 수치, 변경점)을 확인할 수 없다. 전체 내용은 원문 링크에서 직접 확인해야 한다.
QERRA-v2 Classical은 로봇 행동 트리(Behavior Tree)에서 액션이 실행되기 전에 텍스트 지시어를 사전 검열하는 실행 가드 시스템이다. PAL Robotics의 TIAGo 로봇을 대상으로 Webots 시뮬레이션 환경에서 평가가 진행되었다. 노골적인 윤리 위반뿐 아니라, '보호적 돌봄'이나 '행정 절차 준수'처럼 제도적 용어로 포장된 강압적 지시를 탐지하는 데 초점을 맞춘다. 설계 원칙으로 두 가지 경계를 설정하였는데, 불완전한 인간의 언어 습관에 과잉 반응하는 '편집증적 로봇' 함정 회피와 인식론적 겸손이 그것이다.
큐레이터본문이 중간에 잘려 있어 전체 실험 설계·평가 결과를 확인할 수 없다. 현재 공개된 내용은 Webots 시뮬레이션 조건에 한정되므로, 실제 환경에서의 탐지 성능은 별도 검증이 필요하다.
베이리스는 2026년 9월 18일 충남 공주 공산성에서 로봇·드론 등 복수 기종의 모빌리티를 단일 플랫폼으로 운용하는 통합관제 기술을 실증했다. 이번 시연에서는 현장 데이터 수집, 인공지능(AI) 기반 손상 분석, 실시간 통합관제에 이르는 전 과정이 공개됐다. 해당 시스템은 '멀티모달 자율모빌리티 기반 야외문화유산 AI 보존관리시스템'으로 명명되며 야외 문화유산 보존을 목적으로 한다. 사업은 문화체육관광부·한국콘텐츠진흥원 주관 R&D 과제이며, 베이리스가 주관기관으로 한국전자통신연구원(ETRI) 등이 참여한다.
큐레이터실증 행사 발표 기사로 시스템 성능 수치나 독립 검증 결과는 포함되지 않았다. 현장 환경에서의 실제 탐지·분석 정확도는 아직 공개된 바 없다.
아크릴의 피지컬 AI(Physical AI) 통합 플랫폼 'Jonathan PAI'가 약 650억원 규모의 국가 연구개발 사업에서 공식 성과지표 측정 기준으로 활용된다. 해당 사업은 과학기술정보통신부와 정보통신산업진흥원(NIPA)이 추진하는 '협업지능 피지컬 AI 기반 SW 플랫폼 연구개발 생태계 조성'이며, 아크릴은 그 안의 '이기종 협업 피지컬 AI SDF 특화 기반모델 연구개발' 과제에 공동연구개발기관으로 참여한다. 레인보우로보틱스 등도 이번 과제에 함께 참여한다.
큐레이터기사가 본문 중간에 끊겨 구체적인 연구 내용과 각 기관의 역할을 확인하기 어렵다. Jonathan PAI가 국책과제 성과지표의 기준으로 채택된 경위와 측정 방식은 원문 전문을 통해 추가 확인이 필요하다.
한국전자통신연구원(ETRI)이 피지컬 AI(Physical AI) 분야 국제표준화를 전담하는 국제전기통신연합 전기통신표준화부문(ITU-T) '체화 AI 포커스그룹(FG-EAI)' 신설을 주도했다. FG-EAI는 공적 국제표준화기구 가운데 피지컬 AI를 전담으로 다루는 첫 조직으로, 로봇·자동차·공장 등 현실 환경에서 스스로 판단하고 행동하는 AI 시스템의 공통 규칙 마련을 목표로 한다. ETRI 연구진은 해당 포커스그룹의 부의장 및 핵심 작업반 의장 등 주요 의장단 직위를 확보했다.
큐레이터FG-EAI는 표준을 확정하는 기구가 아닌 준비 단계의 포커스그룹이다. 의장단 진출이 실제 표준 내용에 어느 정도 영향을 미칠지는 이후 작업 산출물을 통해 확인해야 한다.
ETH 취리히(스위스 취리히 연방공대) 산하 소프트 로보틱스 연구실(SRL, Soft Robotics Lab)이 로봇 핸드의 손가락을 이동 수단으로 활용하는 기술을 개발했다. 상용 로봇 핸드에 배터리, 라즈베리 파이(Raspberry Pi) 컴퓨팅 모듈, 관성측정장치(IMU)를 탑재해 별도의 바퀴나 다리 없이 손가락 끝만으로 주행한다. 강화학습(reinforcement learning)을 적용해 자체 무게를 지탱하면서 다양한 지면 특성에서 이동하고 작업을 수행할 수 있도록 했다. 관련 시연 영상은 9월 16일 유튜브에 공개됐다.
큐레이터이동과 조작(manipulation)을 단일 하드웨어로 통합하는 접근이라 별도 이동 플랫폼이 필요 없다는 구조적 장점이 있다. 다만 이 기사에서는 시험 지면 종류·이동 속도·작업 성공률 같은 정량 데이터가 제시되지 않아 성능 수준을 독립적으로 판단하기 어렵다.
미국 제너럴 로보틱스(General Robotics)는 피지컬 AI(Physical AI)용 지능 레이어 구축에 특화된 기업으로, 자사 로봇 지능 플랫폼인 그리드(GRID)가 로봇 개발·배치 전체 수명 주기를 자동화하는 단계에 도달했다고 발표했다. 그리드는 에이전트 시스템(agentic system) 구조로 설계되어 연결된 모든 로봇을 지속적으로 개선하는 방식으로 동작한다. 플랫폼은 로봇 온보딩(onboarding)부터 기술(skill) 배치까지의 과정을 자동화하는 것을 목표로 한다. 해당 소식은 로보틱스앤오토메이션뉴스(Robotics and Automation News)가 보도했다.
큐레이터원문이 중간에 잘려 있어 구체적인 지원 로봇 종류, 성능 수치, 타 플랫폼과의 비교 등 핵심 세부 내용을 확인할 수 없다. 전체 본문을 확보한 뒤 재검토가 필요하다.
휴머노이드 로봇 기업 피규어 AI(Figure AI)가 자사 로봇용 파운데이션 모델(foundation model) '헬릭스(Helix) 2.5'를 2026년 9월 17일 공개했다. 이 모델은 피규어 AI의 인간 행동 데이터셋 '인덱스(Index)'로 사전학습되었으며, 별도의 환경별 데이터 수집 없이 즉시 배포할 수 있는 구조로 설계되었다. 미국 실리콘밸리 가정집 30곳에 로봇을 투입해 거실 정리, 수건 개기, 침대 정돈 등 세 가지 전신(全身) 작업을 사전 학습 없이 수행하는 실기 테스트를 진행했다.
큐레이터30곳의 가정집 실기 투입이라는 테스트 규모와 3가지 과제 성공률이 원문에 명시되지 않았으며, 이 성과는 피규어 AI 자체 발표에 근거한 것으로 독립적으로 검증된 결과가 아니다.
중국 피지컬 AI(Physical AI) 개발업체 루모스로보틱스가 산업용 로봇의 스킬 개발을 지원하는 플랫폼 넥스코어(NexCore)를 출시했다. 넥스코어는 새로운 로봇 스킬 개발 기간을 기존 수 주에서 수 일로 단축한다고 회사 측은 설명한다. 이 플랫폼은 로봇 납품 이후 실제 작업을 안정적으로 수행하도록 만드는 과정의 병목을 줄이는 것을 목표로 한다. 루모스로보틱스는 '로봇 도입'과 '안정적 작업 수행' 사이의 간극이 공장 운영업체가 직면하는 실질적인 과제라고 밝혔다.
큐레이터개발 기간 단축(수 주 → 수 일) 수치는 루모스로보틱스 측의 주장이며 독립 검증 결과가 아니다. 원문이 중간에 끊겨 플랫폼의 구체적인 작동 방식이나 추가 사양은 이 기사에서 확인하기 어렵다.
코난테크놀로지(대표 김영섬)가 과학기술정보통신부(과기정통부) 주관 피지컬 AI(Physical AI) 연구개발사업에 참여하며 기술 개발에 착수했다. 9월 16일 열린 '전북특별자치도·경상남도 피지컬 AI R&D사업 착수보고회'에서 사업 추진 방향과 연구개발 로드맵을 발표했다. 경남 사업에서는 대규모언어모델(LLM)을 넘어 실제 행동을 수행하는 '인간-AI 협업형 대규모행동모델(LAM, Large Action Model)' 개발을 목표로 삼는다. 회사는 제조 AI에서 임바디드 AI(Embodied AI), 피지컬 AI로 이어지는 단계별 기술 확장 로드맵을 제시했다.
큐레이터본문이 중간에 끊겨 LAM 연구의 구체적 범위, 사업 예산·기간, 참여 기관 구성 등 핵심 세부 정보를 확인할 수 없다. 원문 전체를 확인한 뒤 보완이 필요하다.
AssemblyGrid v1은 분산형(decentralized) 다중 로봇 생산 연구를 위한 공개 벤치마크다. 각 로봇은 로컬 정보만으로 운용되며, 로봇 간 자재 핸드오프(handoff), 복수 로봇이 필요한 임시 연합(coalition), 독립 작업의 동시 실행, 레시피 기반 공정 진행, 기하학적 실현가능성 제약을 시나리오에 반영한다. 벤치마크는 Flow·Coalition·Concurrency 세 유형으로 구성된 공식 시나리오 9개를 제공하며, 각 유형은 쉬움·중간·어려움 세 가지 난이도로 나뉜다. 시뮬레이터, 벤치마크 정의, 참조 구현체, 실행 가능 검증 도구, 시각화 자료가 모두 공개 배포되며 arXiv 논문과 GitHub, Hugging Face 인터랙티브 데모가 함께 제공된다.
큐레이터시뮬레이션 기반 벤치마크이므로 실제 하드웨어 환경에서의 성능은 별도 검증이 필요하다. 공정 추상화의 현실성에 대해 커뮤니티 피드백을 공개적으로 구하고 있어, 산업 현장과의 간극이 어느 정도인지는 아직 평가 중이다.
광주과학기술원(GIST) AI학과 김의환 교수 연구팀이 로봇이 물체의 세부 부품과 그 기능까지 파악할 수 있는 AI 기술을 개발했다. 기존 로봇 인식 체계가 물체의 위치 파악에 그쳤다면, 이 기술은 전자레인지의 손잡이·버튼처럼 물체를 구성하는 세부 요소와 각 요소의 역할까지 함께 이해할 수 있도록 한다. 연구팀은 로봇이 실제 환경에서 사람의 지시를 수행하려면 물체 수준의 인식만으로는 부족하며, 구성 요소 단위의 기능 이해가 필수적이라고 밝혔다.
큐레이터제공된 본문이 중간에서 끊겨 구체적인 기법, 학습 데이터, 실험 조건 등 핵심 내용이 확인되지 않는다. 전체 원문을 참조해야 연구 방법과 성능 수준을 제대로 평가할 수 있다.
캐나다 벤션(Vention)이 시카고에서 열린 세계제조기술전시회(IMTS 2026, 9월 14~19일)에서 피지컬 AI(Physical AI)와 에이전트 AI(Agent AI)를 하나의 자동화 플랫폼에 통합한 'AI 정의 자동화(AI-Defined Automation)'를 공개했다. 이 플랫폼은 두 개의 AI 계층을 결합한 구조로, 에이전트 AI와 피지컬 AI가 각각의 역할을 담당한다. 벤션은 이 통합을 통해 자동화 도입 절차를 단순화하고, 운용 편의성을 높이며, 확장을 용이하게 한다고 밝혔다.
큐레이터본문이 에이전트 AI 설명 도중 잘려 있어 두 AI 계층의 구체적 역할과 구현 방식은 확인되지 않는다. 현재 공개된 내용은 벤션의 자체 주장이며, 독립적인 성능 검증 결과는 포함되어 있지 않다.
케이앤엘정보시스템(KNL)과 한국섬유기계융합연구원(KOTMI)이 협력해 인공지능(AI) 기반 원단결점검출시스템과 사물인터넷(IoT) 기반 환편기 통합 모니터링 시스템을 개발했다. AI 원단결점검출시스템은 산업용 카메라로 생산 중인 원단을 실시간 촬영하고 AI 영상분석을 통해 결점을 자동으로 검출하는 방식으로 작동한다. 기존 육안검사의 한계를 보완해 품질검사 효율을 높이고, 축적된 데이터를 활용한 품질예측 및 공정 최적화도 가능하도록 개발됐다.
큐레이터본문이 중간에서 끊겨 환편기 통합 모니터링 시스템의 구체적 기능이 확인되지 않으며, 검출 정확도 등 성능 수치나 독립 검증 결과도 제시되지 않아 실제 현장 적용 수준은 알 수 없다.
브릴스는 기존 산업용 로봇 솔루션의 수익 기반 위에 시각-언어-행동 모델(VLA)과 로봇 파운데이션 모델(RFM, Robot Foundation Model)을 결합한 차세대 온디바이스 피지컬 AI(Physical AI) 기술을 도입해 신사업 영역 확장에 나선다고 밝혔다. 회사는 기존 로봇 시장 입지에 AI·소프트웨어 역량을 더해 소프트웨어 중심 로봇(SDR, Software Defined Robot)으로 전환하겠다는 전략을 제시했다. 목표는 AI 로봇 플랫폼 기업으로의 사업 구조 재편이다.
큐레이터공개된 본문이 중간에 잘려 있어 구체적인 기술 사양, 개발 단계, 사업 일정은 확인할 수 없다. VLA·RFM 적용이 자체 연구인지 외부 모델 도입인지도 드러나지 않아 실체를 가늠하기 어렵다.
테라다인로보틱스(Teradyne Robotics)는 피지컬AI(Physical AI)의 핵심 역량으로 실시간 환경 변화 대응 능력을 제시한다. 장-피에르 하투(Jean-Pierre Hathout) 사장은 기존 산업용 로봇이 사전 프로그래밍에 의존하는 반면, 피지컬AI 기반 로봇은 실시간 인식과 보정이 가능하다는 점을 주요 차이로 설명한다. 테라다인로보틱스는 덴마크 협동로봇 기업 유니버설로봇(Universal Robots)과 자율주행로봇(AMR) 기업 미르(MiR)로 구성된 테라다인의 로보틱스 부문이다. 하투 사장은 테라다인로보틱스 그룹 사장과 유니버설로봇 사장을 겸직하고 있으며, 개방형 생태계 구축 방향을 밝혔다.
큐레이터본문이 중간에 잘려 있어 개방형 생태계의 구체적 내용(파트너십 범위, 플랫폼 API 공개 여부 등)은 확인되지 않는다. 전략 방향의 실현 가능성은 추가 자료를 통해 대조할 필요가 있다.
기존 로봇 안전 평가는 시스템 오작동 상황을 주된 위협으로 가정했으나, 물리적 AI(Physical AI) 환경에서는 공격자가 로봇의 인식·판단·행동을 조작해도 겉으로는 아무 이상이 없어 보일 수 있다는 점이 새로운 과제로 부상하고 있다. 현대 로봇은 다중 모달 센서로 환경을 인식하고 AI 모델로 맥락을 해석한 뒤 물리적 동작으로 전환하므로, 의사결정을 이끄는 데이터의 무결성이 안전성과 직결된다. 공격 표면(attack surface)은 학습 파이프라인, 시스템 인프라, 런타임 인식의 세 계층으로 나뉜다. 2017년 BadNets 연구는 모델이 특정 트리거 조건에서만 이상 행동을 보이도록 학습 단계에서 조작될 수 있음을 보여 주었다.
큐레이터이 기사는 사이버보안 기업 VicOne의 후원 콘텐츠로, 위협 사례를 강조하는 방향으로 서술될 유인이 있다. 또한 본문이 중간에 잘려 있어 전체 주장과 근거를 확인하기 어렵다.
유니버설로봇(Universal Robots)은 9월 14일(현지시간) 미국 시카고 IMTS(국제제조기술쇼)에서 7세대 로봇 플랫폼 'Gen7'을 공개했다. Gen7은 로봇 운영체제 'PolyScope X'를 중심으로 신형 g-Series 로봇팔, 'CB7 Core' 제어기, 'TP7 Core' 티치펜던트, 'SP7 Smart Panel' 등의 구성 요소로 이뤄진다. 이 플랫폼은 카메라·센서·AI 시스템 연동 시 발생하는 복잡한 장치 연결과 시스템 통합 부담을 줄이는 데 초점을 맞췄다. 유니버설로봇은 Gen7을 통해 피지컬 AI(Physical AI)의 제조현장 적용 확대를 꾀한다.
큐레이터제공된 본문이 중간에 잘려 있어 자유도·가반하중·반복정밀도 등 구체적 사양과 출시 시기를 확인할 수 없었다. 원문 전체를 통해 이전 세대 대비 변경점과 수치 스펙을 별도로 확인할 필요가 있다.
미국 로봇 AI 기업 리워드 AI(Reward AI)가 범용 로봇 AI 모델 'OM-1'을 공개했다. 사람이 전용 웨어러블 장치를 착용하고 작업하면 카메라와 촉각·근접 센서가 손의 움직임, 물체 접촉, 힘 정보를 수집하고 OM-1이 이를 학습한다. 리워드 AI에 따르면, 학습이 완료된 이후 새로운 형태의 로봇에 적용할 때 해당 로봇의 작업 데이터를 다시 수집해 추가 학습하는 과정이 필요하지 않다.
큐레이터로봇 간 재학습 없이 동작한다는 핵심 주장은 리워드 AI 자체 발표에 근거한 것으로, 독립적인 검증 결과가 아니다. 또한 원문이 중간에 잘려 있어 성능 수치, 지원 로봇 플랫폼 범위 등 구체적 정보를 확인하기 어렵다.
음향 AI(Acoustic AI) 솔루션 기업 디플리가 자동차 의장 공정의 커넥터 체결 라인에 음향 분석 AI 검사 솔루션 '리슨AI'를 공급한다고 밝혔다. 리슨AI는 조립 공정에서 발생하는 소리를 분석해 부품 체결 불량을 검출한다. 디플리에 따르면 진성 불량 탐지율 99.9%, 가성 불량 탐지율 99% 이상 달성을 목표로 작업을 진행 중이다. 2~3개월 내 목표 정확도를 확보해 양산 라인에 100% 적용할 계획이다.
큐레이터발표된 탐지율 수치(99.9%)는 디플리 측이 제시한 목표치이며, 아직 양산 라인 전면 적용 이전 단계임을 감안해 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.