NEWS
국내외 13개 매체를 주기적으로 수집해 한국어로 요약합니다.
스페이스에이아이는 로봇 파지(grasping)에 필요한 힘·응력 데이터를 생성하는 회사다. 회사는 Franka FR3 로봇과 동일한 모델·평가셋을 유지한 채 학습 데이터만 교체한 자체 벤치마크를 실시했으며, 연성체(soft object) 10종 평균 파지 성공률이 61.5%에서 84.2%로 올랐다고 밝혔다. 회사 측 분석에 따르면 전 세계 로봇 실조작 데이터는 인터넷 영상 전체의 0.03% 수준에 불과하다. 이로 인해 단순 집기·놓기는 성공률 89%에 달하지만, 실제 산업 과제에서는 12%에 그친다고 설명했다.
큐레이터61.5% → 84.2% 수치는 스페이스에이아이의 자체 벤치마크 결과이며 독립 검증을 거치지 않았다. 연성체 10종의 구체적 구성과 실험 환경 세부 사항이 공개되지 않아, 일반화 범위를 판단하기 어렵다.
KAIST 전기및전자공학부 명현 교수 미래도시 로봇연구실 연구팀이 자연어 명령을 이해하고 미지의 실내 환경에서 목표 물체를 스스로 찾아가는 로봇 항법 기술을 개발했다. '파란 소파를 찾아가'와 같은 언어 지시 한 마디만으로 처음 진입한 건물에서도 경로를 탐색할 수 있다. 이 기술은 목표 지점에 올바르게 도착했는지 로봇이 스스로 판단·확인하는 기능도 포함한다. 연구팀은 컴퓨터비전 학술대회 ECCV 2026 및 로보틱스 관련 국제 대회에서 1위와 2위를 각각 기록했다.
큐레이터본문이 일부 잘려 구체적인 기법명·평가 데이터셋·경쟁 팀 수가 확인되지 않으며, 대회가 시뮬레이션 환경인지 실기 환경인지도 원문에서 명확히 드러나지 않는다.
동시적 위치추정 및 지도작성(SLAM·Simultaneous Localization and Mapping) 기술은 로봇·자율주행·증강현실(AR) 등에서 카메라 탑재 기기의 위치와 주변 환경을 동시에 파악하는 데 활용된다. 최근 AI 기반 SLAM은 카메라 영상만으로 카메라 움직임과 3차원 공간을 추정할 수 있어 공간 복원이 빠르고 편리해졌다. 그러나 기존 AI 기반 SLAM은 어떤 시점의 프레임들을 함께 분석하느냐에 따라 결과가 달라지는 한계가 있었다. UNIST(울산과학기술원) 연구진은 이 문제를 개선해 낯선 공간에서도 공간인식 정확도와 속도를 높이는 AI 기술을 개발했다.
큐레이터본문이 중간에 잘려 세부 기법과 실험 조건(시뮬레이션 여부, 비교 대상 방법론, 정량 수치 등)을 확인할 수 없어, 성능 개선 폭의 맥락은 원문 전체를 통해 검토가 필요하다.
미국 방산 스타트업 센트라델(Centradel)이 가시광 카메라와 열화상 센서를 결합한 대드론(counter-drone) 시스템을 공개했다. 이 시스템은 소형·저고도 드론을 탐지한 뒤 표적을 자동 분류하고 움직임을 실시간으로 추적하며, 물리적 무력화 기능도 포함한다. 전파 신호가 아닌 광학·열화상 센서로 드론 자체를 감지하기 때문에, 광섬유로 조종되거나 무선 신호를 거의 방출하지 않는 드론도 탐지할 수 있다. 현재 시스템은 개발 단계에 있는 것으로 전해졌다.
큐레이터센트라델의 발표 자료에 기반한 소식으로, 광섬유 드론 탐지 성능이 실제 운용 환경에서 독립적으로 검증된 결과인지는 확인되지 않는다.
미국 온라인 커뮤니티 레딧(Reddit)을 통해 수컷 초파리 신경계 커넥톰(connectome) 데이터를 활용한 제어 실험 영상이 공개됐다. 해당 모델은 166,700개 뉴런으로 구성된 초파리 신경계 데이터를 기반으로 하며, 보행 로봇에 연결돼 작동한다. 로봇에 부착된 카메라가 주변 움직임을 감지하고 센서가 로봇 몸체 상태를 측정하면, 해당 정보가 신경계 모델에 입력된다. 모델이 출력한 신호에 따라 로봇의 다리가 실제로 움직이는 방식이다. 실제 초파리의 생물학적 뇌를 이식한 것은 아니며, 신경계 구조를 소프트웨어로 모델링한 것이다.
큐레이터레딧에 올라온 영상이 출처로, 동료 심사(peer review)를 거친 논문이 아니어서 실험 조건·재현성 등 세부 내용은 아직 검증되지 않았다. 초파리 커넥톰 데이터 자체는 공개된 연구 결과이지만, 이를 로봇 제어에 적용한 구체적 방법론은 원문이 생략돼 확인이 필요하다.
코윈로보틱스가 AI 기반 로봇 시뮬레이션 기술 개발을 완료하고 글로벌 자동화 프로젝트에 적용한다고 밝혔다. 이 기술은 실제 생산·물류 현장 데이터를 가상환경과 동기화하고, 객체의 위치와 이동 경로를 구현해 로봇·자동화설비의 운영 흐름을 사전에 분석·검증할 수 있도록 설계됐다. 코윈로보틱스는 기존에 보유한 로봇 하드웨어와 자체 로봇 통합 제어시스템(RCS)에 시뮬레이션 기술을 더해 로봇 풀스택(full-stack) 역량을 갖추는 전략을 추진하고 있다.
큐레이터자사 발표 기반 보도로, 시뮬레이션-실환경 간 정확도나 검증 성능 수치는 공개되지 않았다. 기술이 실제 현장 프로젝트에 적용된 이후 결과가 나와야 역량을 구체적으로 평가할 수 있다.
얼라인(ALGN)은 한국전자통신연구원(ETRI) 출신 김병호 대표가 설립한 제조 공정 피지컬 AI(Physical AI) 플랫폼 스타트업이다. 회사는 로봇이 1mm 이내 오차로 동작해야 하는 정밀공정 자동화 분야에 집중한다. 설립 배경은 공장 자동화 프로젝트 수행 중 제품·공정 변경 시마다 지그와 설비를 재구성해야 하는 기존 자동화 방식의 한계에서 비롯됐다.
큐레이터본문이 중간에 끊겨 있어 구체적인 기술 구현 방식이나 제품 사양은 확인할 수 없다. 1mm 정밀도 목표가 어떤 방식으로 달성되는지, 실증 사례가 있는지는 전문을 통해 별도로 확인이 필요하다.
유니트리(UNITREE, 宇树科技)가 60억(6B) 파라미터 규모 휴머노이드 파운데이션 모델(Foundation Model) 'UnifoLM-WLA-1.0'을 오픈소스로 공개했다. 유니트리는 이 모델이 여러 벤치마크에서 오픈소스 모델 가운데 최고 성능(SOTA)을 달성했다고 밝혔다. 모델 내부에는 알리바바의 Qwen3-VL-4B를 기반으로 만든 40억(4B) 파라미터급 체화 추론기(embodied reasoner) 'UnifoLM-ER-1-4B'가 시각·공간 이해를 담당한다.
큐레이터SOTA 달성 주장은 유니트리 측 발표이며 독립 검증 결과가 아니다. 본문이 중간에 끊겨 아키텍처 전체 구성과 실기(real-world) 검증 여부는 확인할 수 없다.
중국 촉각센서 기업 Tashan Technology(他山科技, 타샨)와 인공지능·강화학습 연구기관 OpenMind(오픈마인드)가 베이징에 '로봇 유치원(Robot Kindergarten)'을 개원했다. 이 시설에서는 로봇이 실제 물리환경에서 직접 경험을 축적하며 학습하는 방식을 실험한다. 강화학습(reinforcement learning) 분야의 선구적 연구자인 리처드 서튼(Richard Sutton) 교수가 이 프로젝트에 참여한다.
큐레이터원문이 중간에 잘려 프로젝트의 구체적인 방법론, 사용 로봇 사양, 실험 규모 등 핵심 정보가 확인되지 않는다. 완전한 기사를 통해 시뮬레이션 대비 실기 학습의 비중과 실험 설계를 추가로 확인할 필요가 있다.
로봇 학습 정책(learned policy)의 견고성(resilience) 평가에서 현재 관행은 섭동(perturbation) 조건 하의 실패율만 단일 수치로 보고하는 경우가 많다. 저자는 시뮬레이션 환경에서 19개 섭동 패밀리와 8개 정책 어댑터를 대상으로 동일 시드를 반복 실행한 결과, 비섭동 조건에서도 패밀리마다 다른 비율의 기저 실패율이 존재함을 확인했다. 시도 횟수 50회 기준으로 이 기저 실패율을 차감하면 대부분의 패밀리에서 측정된 섭동 효과가 사라져, 현재 보고되는 견고성 수치가 과제 설정 자체의 기저 난이도까지 함께 측정하고 있음을 시사한다. 저자는 ①섭동 조건의 실패율, ②동일 시드·과제에서의 비섭동 실패율, ③각각의 시도 횟수, ④양측 신뢰구간을 함께 보고하는 관례를 제안한다. 이 방법론을 구현한 오픈소스(Apache-2.0) 평가 도구 Provael도 함께 공개되어 있다.
큐레이터시뮬레이션 환경에서만 검증된 결과이므로 실제 하드웨어에서 기저 실패율이 동일한 분포를 보이는지는 별도 확인이 필요하다. 패밀리당 50회 시도라는 규모를 감안하면, 저자가 제안하는 신뢰구간이 실제로 얼마나 좁게 추정되는지도 쟁점이 될 수 있다.
디플리는 제조현장 소리를 분석해 제품 불량과 설비 이상을 판정하는 음향AI(Acoustic AI) 기업으로, 2017년 7월 설립됐다. 카메라 기반 비전 검사와 진동·전류 센서가 담당하던 검사 공정 중 사람의 청각이 맡아온 영역을 주요 적용 대상으로 삼는다. 자체 AI 엔진 리슨AI(Listen AI)를 산업용과 공공안전용으로 나눠 공급하고 있다. 이수지 대표는 제조현장에서 로봇이 사람을 상당 부분 대체했지만 청각적 영역은 아직 대체되지 못한 분야라고 설명했다.
큐레이터음향 검사는 비전·진동 센서 방식이 포착하기 어려운 불량 유형을 보완할 수 있다는 점에서 관심을 받지만, 본문이 중간에 끊겨 있어 실제 양산 라인 도입 사례나 검출 정확도 수치는 이 기사만으로 확인되지 않는다.
유니트리(UNITREE, 宇树科技)가 월드모델(world model) 기반의 실시간 자율 휴머노이드 로봇 격투 시연 영상을 공개했다. 사전 프로그래밍 없이 로봇이 스스로 상황을 판단하고 움직이는 방식으로 동작한다. 유니트리에 따르면 자사의 '유니포(Unifo) LM-X2-1.0' 월드액션(WorldAction) 초거대 모델이 즉각적 계획 수립, 의사결정, 동적 상호작용을 처리한다. 이를 통해 고도의 역동성과 상호작용 성능을 갖춘 예측·계획이 가능해졌다고 회사 측은 밝혔다.
큐레이터"세계 최초"라는 표현은 유니트리 측의 주장이며 독립적으로 검증된 결과가 아니다. 본문이 중간에 끊겨 구체적인 기술 스펙이나 실험 조건이 공개되지 않아 시연의 범위와 재현 가능성을 판단하기 어렵다.
피지컬 AI 플랫폼 기업 인티그리트(Integrit)가 기존 B2B 위주로 공급하던 엣지 AI(Edge AI) 플랫폼 에어패스(AirPath®)를 개발자 및 일반 기업 시장에 개방한다고 밝혔다. 엘레파츠, 디바이스 마트 등 글로벌 전문 유통채널을 통해 공급을 확대할 계획이다. 대학·연구기관·로봇 스타트업이 다중·이기종 로봇을 하나의 AI·데이터·미션 체계로 연결하는 용도로 활용할 수 있도록 접근성을 높이는 것이 목표다.
큐레이터본문이 중간에 끊겨 에어패스의 구체적인 사양·가격·기존 대비 변경점 등 기술 정보를 확인하기 어렵다. 플랫폼의 실제 기능과 성능은 원문 전문 또는 제품 페이지를 별도로 확인할 필요가 있다.
UC 버클리와 스탠퍼드대 공동 연구팀이 휴머노이드 로봇용 AI 프레임워크 'BeyondMimic'을 개발했다. BeyondMimic은 휴머노이드 로봇이 다양한 민첩 동작을 학습하고 이를 자연스럽게 조합할 수 있도록 설계됐다. 연구팀에 따르면 이 프레임워크를 통해 로봇이 명시적으로 학습하지 않은 새로운 작업도 수행할 수 있다. 관련 논문은 학술지 'Science Robotics'에 게재됐다.
큐레이터본문이 중간에서 끊겨 실험이 시뮬레이션 기반인지 실기 환경인지, 검증에 사용된 과제 수와 종류 등 핵심 조건을 확인할 수 없다. 원문 논문(Science Robotics)을 직접 확인해 결과 해석의 범위를 파악할 필요가 있다.
화낙(FANUC)과 구글(Google)이 공동 개발한 'AI 용접 에이전트'가 2026년 12월 출시될 예정이다. 이 시스템은 구글의 기업용 생성형 AI인 제미나이 엔터프라이즈(Gemini Enterprise)를 채택해 도면을 자동으로 읽고 용접 작업을 수행한다. 태블릿에 탑재된 카메라를 활용해 동작하며, 작업자가 용접 로봇에 프로그램을 직접 입력할 필요가 없다. 화낙은 이를 통해 중소기업도 용접 자동화를 손쉽게 도입할 수 있을 것으로 밝혔다.
큐레이터본문이 중간에 잘려 있어 태블릿 카메라가 도면을 인식하는 구체적인 방식과 지원 용접 공정 범위는 확인되지 않는다. 출시 전 독립적인 성능 검증 결과도 아직 없으므로 화낙 측 발표임을 감안해 읽을 필요가 있다.
캐나다 산업자동화 기업 벤션(Vention)이 몬트리올에 피지컬 AI(Physical AI) 연구소를 개소했다. 연구소는 로봇 제어, 모션 플래닝(motion planning), 컴퓨터 비전(computer vision), 비전 파운데이션 모델, 시연을 통한 학습(Learning from Demonstration), 강화학습을 주요 연구 분야로 삼는다. 산업 현장에서 직접 수집한 데이터를 이용해 로봇용 피지컬 AI 모델을 후학습(post-training)하고, 실제 생산라인에서 검증하는 데 초점을 맞춘다. 지미 리(Jimmy Li) 피지컬 AI 디렉터가 연구소를 이끌며, 현재 팀원은 8명이다.
큐레이터개소 발표 외에 구체적인 연구 성과나 공개 일정이 제시되지 않았으며, 현장 수집 데이터가 외부에 공개될 가능성은 낮아 연구 재현 가능성은 추후 확인이 필요하다.
오픈AI의 AI 모델 'GPT-6 아스트라(GPT-6 Astra)'가 로봇팔에 붓을 쥐고 샌프란시스코 금문교를 그리는 동작을 시연했다. 오픈AI 소속 엔지니어 티이스(Thijs)가 시중에서 구매한 로봇팔·붓·카메라만을 아스트라에 연결하고 지시를 내리는 방식으로 실험을 진행했다. 아스트라는 관절 궤적(joint trajectory)을 수동으로 프로그래밍하지 않은 상태에서 로봇팔 구동 방식을 스스로 추론한 것으로 알려졌다. 해당 내용은 티이스가 자신의 소셜 미디어 엑스(X) 계정에 공개했으며, 로봇신문은 휴머노이드 데일리 보도를 인용했다.
큐레이터이 시연은 오픈AI의 공식 발표가 아닌 개인 엔지니어의 소셜 미디어 게시물 기반이며, 원문이 중간에 끊겨 결과 세부 사항을 확인할 수 없다. 관절 궤적 없이 동작을 추론했다는 주장의 정확한 의미(순수 제로샷인지, 사전 시연 데이터 활용인지)는 추가 확인이 필요하다.
일본 AI 데이터 기업 APTO가 피지컬 AI(Physical AI) 개발을 위한 실물 로봇 데이터 수집 거점 '도요스 데이터 팩토리'를 도쿄 도요스에 개설했다. 개소식에는 일본 로봇 의원연맹 사무국장 야마다 다로 의원과 엔비디아(NVIDIA), 도요타자동차(Toyota) 관계자들이 참석했다. 해당 시설에서는 실제 로봇을 활용한 데이터 수집과 로봇 학습용 데이터 개발이 진행될 예정이다. 비전언어행동 모델(VLA·Vision-Language-Action) 등 피지컬 AI의 연구 개발 및 사회적 적용 지원을 목표로 한다.
큐레이터본문이 중간에 끊겨 시설 규모, 데이터 수집 목표량 등 구체적 사양은 확인할 수 없다. 엔비디아·도요타자동차의 참여 성격(협력 파트너인지 단순 초청 참석인지)도 원문에서 명확하지 않아 원문 전문 확인이 필요하다.
중국 로봇기업 Unitree(유니트리)가 휴머노이드 로봇 G1에 AI 모델 'UnifoLM-X2-1.0'을 탑재한 자율 격투 시연 영상을 2025년 7월 7일 공개했다. G1은 사람의 원격 조종 없이 상대의 움직임을 스스로 인식해 펀치와 킥을 구사하고 공격을 회피한다. 기존 로봇 격투 방식은 원격 조종이나 사전 설정 동작에 의존했으나, 이번 모델은 AI가 주변 상황을 실시간으로 인식해 행동을 결정하는 방식으로 작동한다.
큐레이터공개된 내용은 Unitree가 제공한 시연 영상에 한정되며 독립적인 검증 결과가 아니다. 원문 본문이 중간에 끊겨 있어 상세 기술 사양 및 실험 조건(통제 환경 여부, 상대 동작의 다양성 등)은 확인할 수 없다.
로봇 훈련 데이터(robot training data) 전문 스타트업 Mecka AI가 Sequoia Capital 주도의 신규 투자 라운드를 통해 5억 달러(약 6,700억 원)에 근접한 기업가치를 인정받을 전망이다. 이번 라운드는 창업 2년 차인 Mecka AI가 시리즈 A를 발표한 지 수개월 만에 논의가 구체화되고 있다. 로봇 훈련 데이터 확보 경쟁이 가속화되는 가운데 투자가 이어지고 있다.
큐레이터기업가치 '5억 달러 근접'은 라운드가 마무리되지 않은 협상 단계에서 나온 수치로, 딜이 성사되기 전까지는 변동 가능성이 있다는 점을 감안해 읽을 필요가 있다.
ACT·확산 정책(diffusion policy)·시각-언어-행동 모델(VLA) 등 학습 기반 조작 정책은 20~50 Hz로 관절 목표값을 출력하고 50~500 ms마다 재계획하지만, 하드웨어 제어 사이클은 500 Hz~2 kHz의 명령을 필요로 한다. 희소 경유점을 그대로 전달하면 새 경유점마다 속도 불연속과 가속도 급등이 발생한다. 이 GSoC 2026 프로젝트는 ros2_controllers 내에서 이 간격을 세 단계로 해소하는 구현을 제출했다. 궤적 교체 블렌딩 개선을 통해 기존 JTC(Joint Trajectory Controller)가 새 궤적 수신 시 이전 궤적을 즉시 폐기하던 방식을 변경, 두 궤적을 수신 시점에 접합(prefix·bridge·suffix)하는 방식으로 대체했다. 전체 구현은 7자유도 AgileX Nero 로봇에서 하드웨어 실증으로 검증됐다.
큐레이터검증이 7자유도 AgileX Nero 단일 플랫폼에서만 이뤄졌으므로, 다른 자유도 구성이나 하드웨어에서의 블렌딩 안정성은 별도 확인이 필요하다; GSoC 제출물인 만큼 ros2_controllers 메인라인 병합 여부는 이후 리뷰 과정에 달려 있다.
'AI 요약' 표시가 붙은 항목은 사람 검수를 거치지 않았습니다. 모든 항목은 원문 링크·매체·날짜를 함께 표기하며, 요약 외 전문은 싣지 않습니다.