ABI Research는 2035년까지 레벨 3~5 자율주행차(AV)의 설치 기반이 4,900만 대에 달할 것으로 전망한다. Omdia는 2026년부터 2035년 사이에 약 6,000만 대의 산업용 로봇이 배포될 것으로 추산한다. 이처럼 자율주행차와 로봇이 도로·공장·창고 등 사람과 공유하는 환경에 본격 투입됨에 따라, 시스템 전 계층에 걸친 안전성 확보가 핵심 과제로 부상하고 있다.
큐레이터NVIDIA 자사 블로그 게시물로, 제시된 안전 프레임워크가 결국 NVIDIA 제품·솔루션으로 이어지는 구성일 가능성이 있어 독립적인 시각으로 대조해 읽을 필요가 있다.
Skild AI가 단일 영상 시연만으로 로봇이 이전에 본 적 없는 장기 과제(long-horizon task)를 학습할 수 있는 S1 로봇 파운데이션 모델(foundation model)을 출시했다. S1은 제조 현장·창고·생산 라인처럼 작업과 레이아웃이 자주 바뀌는 환경을 겨냥하며, 기존 로봇이 새 작업마다 대규모 재프로그래밍을 요구하는 문제를 해결하는 것을 목표로 한다. 이 모델은 NVIDIA Physical AI 기술을 활용해 구축됐다.
큐레이터NVIDIA 자사 블로그를 통한 발표여서 단일 영상 시연만으로 장기 과제를 학습한다는 주장은 Skild AI와 NVIDIA 측의 것이며, 실제 제조·창고 환경에서의 독립적인 검증 결과는 아직 확인되지 않는다.
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.
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.
Pollen Robotics가 개발한 소형 로봇 Microduck는 높이 25cm, 무게 780g으로 자유도(degrees of freedom) 15개를 갖춘다. 전방 카메라, 8×8 라이다(LiDAR), 2개의 관성측정장치(IMU), 마이크, 스피커, NFC, Wi-Fi, 블루투스를 내장한다. 기본 동작으로 보행, 앉기, 웅크리기, 롤러스케이트, 부리를 이용한 물체 집기, 낙상 후 자력 복구 등을 지원하며, 소프트웨어는 완전 오픈소스로 공개된다. 게임 컨트롤러 원격 조종 및 자율 행동 모드를 모두 지원하고, 여러 대를 연결해 레이스나 축구 경기에도 활용할 수 있다. 사전 주문 가격은 399달러이며, 2026년 크리스마스 이전 출하 예정이다.
큐레이터사전 주문 단계이므로 보행·낙상 복구 등 시연 영상의 성능은 Pollen Robotics 측 주장이며, 출하 후 실사용 환경에서의 검증은 아직 이루어지지 않았다는 점을 감안해야 한다.
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.
NVIDIA가 2026년 7월 200개 이상의 기업·기관과 함께 AI 개방 생태계를 지지하는 공개서한 'Open Weights and American AI Leadership'에 서명했다. 해당 서한은 AI 리더십의 기준이 단일 프론티어 모델이 아닌 개방형 생태계(open ecosystem)가 전 산업 분야에 확산되는지 여부에 있다고 주장한다. 기사는 이 맥락에서 개방형 세계 모델(open world model)이 물리적 AI(physical AI) 연구의 최전선을 어떻게 확장하는지를 주제로 다룬다.
NVIDIA가 의료 로봇 개발을 위한 GPU 가속 의료 물리 시뮬레이션(medical physics simulation) 프레임워크를 오픈소스로 공개했다. 이 프레임워크는 해부학적 개인차, 수술 도구와 조직 간의 물리적 상호작용, 불완전하거나 잡음이 섞인 의료 영상 등 실제 의료 환경의 복잡성을 시뮬레이션한다. 실제 임상 현장에서 드물게 발생하는 엣지 케이스(edge case) 시나리오를 개발 단계에서 재현할 수 있도록 지원하는 것이 핵심 목적이다.
NVIDIA가 Thor 아키텍처 기반의 새로운 젯슨(Jetson) 모듈 T3000과 T2000을 공개했다. 두 모듈은 엣지(edge)에서 파운데이션 모델(foundation model)을 실행할 수 있도록 설계된 소형·저전력 AI 컴퓨팅 플랫폼이다. 범용 로봇과 자율 기계가 연구 단계를 벗어나 대량 시장 배포로 전환되는 수요에 대응하기 위해 개발되었다.
NVIDIA와 Hugging Face가 오픈소스 로봇 학습 프레임워크 LeRobot에 새로운 모델과 프레임워크를 추가하기 위해 협력한다. 오픈소스 AI 생태계가 모델·데이터·도구 공유를 통해 개발 속도를 높여온 것처럼, 로보틱스 분야도 같은 방향을 모색한다. 현재 물리적 AI(Physical AI) 개발은 대규모 데이터셋, 로봇 기반 모델, 시뮬레이션, 컴퓨팅, 검증 도구 등이 비용이 높고 파편화되어 있어 접근이 어려운 상황이다. 양사는 이러한 장벽을 낮춰 오픈 로보틱스 커뮤니티의 연구·개발 환경을 개선하는 것을 목표로 한다.
Jaiveer Singh은 NVIDIA에서 로봇공학 소프트웨어 엔지니어로 활동하며 로봇 내부 보드, 카메라 피드 접근 소프트웨어 등 개발자용 인프라를 담당하는 팀을 이끌고 있다. 그의 접근 방식은 화려한 시연보다 로봇이 실제 환경에서 유용하게 작동하기 위해 필요한 기반 소프트웨어·하드웨어 요소에 집중한다. 다만 제공된 본문이 도입부에서 축약되어 있어 구체적인 기술 내용·수치·프로젝트 세부 사항을 확인할 수 없다.
NVIDIA Omniverse 블로그의 'Into the Omniverse' 시리즈 일환으로, 비전 AI 에이전트(Vision AI Agent)의 정확도를 높이기 위한 세 가지 워크플로를 소개한다. 해당 워크플로는 합성 데이터(synthetic data) 생성과 파인튜닝(fine-tuning) 기법을 결합하는 방식을 중심으로 구성된다. 비전 AI 에이전트는 공장 등 실물 환경의 영상 데이터를 운영 인텔리전스로 자동 변환하는 데 활용된다. 이 시리즈는 OpenUSD 및 NVIDIA Omniverse의 최신 발전을 바탕으로 개발자·3D 실무자·기업의 워크플로 개선을 목표로 한다.
로보택시(robotaxi) 서비스가 수십 개 도시에서 상업 운행 단계로 진입했다. NVIDIA Robotics Blog는 이 흐름에서 안전성이 사후에 추가되는 방식이 아니라 시스템 설계 단계부터 내재되어야 한다고 주장한다. 로보택시 산업은 프로토타입 단계의 이정표를 넘어 상용 운영 및 생태계 확장 국면으로 전환 중이라고 기술한다.
NVIDIA 연구팀이 로봇 파지(grasping), 자율주행, 대규모 에이전트 학습 분야의 연구 성과를 공개했다. 로봇 그리퍼 연구는 처음 다루는 도구로도 연속적으로 물체를 파지할 수 있는 범용성 확보에 초점을 맞춘다. 자율주행 시스템 연구는 단일 상황 추론을 넘어 안전성을 높이는 방향을 목표로 한다. 본문이 일부만 공개되어 세부 수치와 방법론은 확인되지 않는다.
NVIDIA가 컴퓨터 비전 학회 CVPR에서 자율주행, 로봇, 비전 AI 시스템 개발을 위한 물리 AI(Physical AI) 에이전트 스킬을 공개했다. 이 스킬들은 단순한 모델 개선이 아닌, 개발 전체 워크플로 구축을 목표로 한다. 구체적으로 실제 환경 장면 재구성, 엣지 케이스(edge case) 시나리오 생성, 정책 훈련, 평가 파이프라인 구성 등을 지원한다.
NVIDIA는 COMPUTEX에서 Jetson 플랫폼용 JetPack 7.2와 NemoClaw 지원을 발표했다. JetPack 7.2는 에이전틱 AI(Agentic AI) 기능과 Yocto 프로젝트 지원을 새롭게 포함한다. Jetson Orin에서 CUDA 13이 지원되며, Jetson AGX Orin 32GB 모듈에서 성능이 향상됐다. 또한 NVIDIA Jetson에서 다중 인스턴스 GPU(MIG, Multi-Instance GPU) 기능이 추가됐다.
NVIDIA가 GTC Taipei at COMPUTEX에서 NVIDIA Factory Operations Blueprint(FOX)를 공개했다. FOX는 자율 공장 관리자(autonomous factory manager)를 구축하기 위한 레퍼런스 설계(reference design)로, 개별 자동화 장비 중심의 공장 운영을 공장 전체 지능(plant-wide intelligence) 체계로 전환하는 것을 목표로 한다. 이 시스템은 실시간 기계 신호, 품질 시스템, 작업 지시서, 운영 알림을 하나의 통합 의사결정 계층으로 연결한다. 구체적인 연산 성능이나 세부 사양은 공개된 본문에 포함되지 않았다.
NVIDIA Research는 국제로봇자동화학회(ICRA)에 28편의 논문을 게재했으며, 이 중 8편이 시뮬레이션-실환경 전이(simulation-to-real transfer)를 주제로 한다. 해당 연구들은 로봇이 실세계에서 인식, 추론, 계획 능력을 발휘하도록 하는 데 초점을 맞춘다. NVIDIA Research는 시뮬레이션-실환경 전이가 스크립트 기반 자동화를 넘어 일반화된 구현 자율성(embodied autonomy)으로 나아가기 위한 토대가 된다고 본다.
제조업의 전통적인 설계-제작-테스트(design-build-test) 사이클은 실세계 테스트만이 신뢰할 수 있는 검증 환경이라는 전제에 기반해 왔다. NVIDIA Robotics Blog는 이 패러다임이 시뮬레이션 우선(simulation-first) 방식으로 전환되는 흐름을 조명하며, 자사의 시뮬레이션 플랫폼인 Omniverse를 그 맥락에서 소개한다. 다만 제공된 본문이 도입 문장 한 줄에 그쳐 구체적인 기술 사양·성능 수치는 확인되지 않는다.