RoboValue는 로봇 가치 모델을 시뮬레이션과 실제 로봇 양쪽에서 통합적으로 평가하는 벤치마크다. 작업 상태 이해, 시간에 따른 진행 추적, 실패로부터의 회복 추론, 가치 일관성 등 4가지 능력을 평가하며, 시뮬레이션 15개 작업과 실제 로봇 20개 작업의 조작 데이터셋을 포함한다. 대표적인 모델들은 성과나 전진 진행도 점수가 높았지만, 세부 지시 파악, 이력에 의존하는 진행 추적, 회복 평가에서 오류를 보였다고 한다.
InfiniDream는 VLM으로 구동되는 절차적 3D 월드 생성 프레임워크로, 기호적 에셋 생성과 결정론적 씬 배치를 통해 편집 가능하고 포토리얼리스틱한 3D 월드를 개방형으로 생성한다. 기존 절차적 알고리즘을 활용하여 편집성과 seed 기반의 다양성을 유지한 채 새로운 포토리얼리스틱 에셋을 만든다. 100개의 오브젝트 생성 과제와 20개의 씬 생성 과제를 평가한 결과, 4개의 지각 지표에서 개선을 보였다고 밝혔다.
이미 도입된 로봇들이 실행 경험을 공유해 공통 정책을 개선하는 학습 패러다임 '집합적 경험 학습(CEL)'을 제안한다. 실패 시의 문맥에서 공유된 성공 경험으로부터 관련 궤적을 검색하고, 그 행동을 교사 신호로 삼아 정책을 갱신하는 FERT를 통해 추가 전문가 수정 없이 5개의 실제 환경 조작 과제에서 93.3~99.2%의 성공률을 달성했다. 다단계 전화기 포장 과제에서는 96대의 로봇이 학습한 결과 성공률이 79.2%에서 98.3%로 향상됐다.
카카오가 비수도권 청소년 100명을 대상으로 한 'AI 루키 캠프' 3기 참가자를 모집한다고 밝혔다. 2027년 1월 경기도 용인시 카카오 AI 캠퍼스에서 두 차례 각 3박 4일 운영되며, 회차별 50명씩 숙박·식사·교육비를 전액 지원한다. 참가 신청은 11월 18일까지 공식 홈페이지에서 가능하고, 12월 18일 최종 합격자를 발표한다.
AgenticRoboRL은 로봇의 플래너를 지도 파인튜닝과 다단계 강화학습으로 사후 학습하는 프레임워크로, LIBERO-PRO에서 9B 파라미터 플래너의 성공률을 외부 메모리 없이 18.1%에서 71.0%로 끌어올렸다. 외부 메모리를 사용하는 Codex(GPT-5.5)의 72.1%에 근접한 수준이다. 프레임워크와 학습된 플래너의 체크포인트는 공개될 예정이다.
NVIDIA@nvidiaAI 점수3434
Laplace Intelligence는 로봇이나 자율주행차 같은 물리 AI를 실환경에 투입하기 전에, AI 에이전트로 약점과 고장 지점을 의도적으로 공략하는 자동 레드팀 검증을 다루는 스타트업이다. 기반은 Nvidia의 Cosmos를 post-training한 시뮬레이션 환경이며, 실제 세계의 지도 데이터 등으로 환경을 재현한다. 수익은 주로 자율주행 분야에서 얻고 있으며, 고객에는 Bot Auto와 일본의 대형 자동차 제조사가 포함된다.
Anthropic 공동창업자 Jack Clark는 방콕에서 열린 IMF 회의의 Per Jacobsson 강연에서 AI가 과학의 최전선에서 작동하기 시작했으며 특이점은 이미 시작됐다고 말했다. Humanity's Last Exam에서는 Claude Opus 5.5가 67.7%, FrontierMath에서는 94%에 도달했다고 소개했다. 아울러 과학·로봇공학 분야 인프라에 대한 투자와 AI 연구의 감독 및 이해 범위에 관한 선택을 정책 담당자들에게 요구했다.
Google은 Gemini 4 Argon을 공개했다고 밝혔다. 물리적 이해, 코드 생성, 시각·의미 추론이 향상되었으며, ERQA 벤치마크에서 추론만으로 87%를 기록해 다른 프런티어 모델을 앞질렀다고 한다. 로봇 제어, Real2Sim, 물리 이해, 연구·자기 개선 등 4개 분야의 대표적인 프롬프트도 소개했다. Google AI Studio와 Gemini API 등에서 이용할 수 있다.
Ropedia W0는 인간과 로봇의 데이터를 통일된 운동학 표현으로 다루는 크로스 엠바디먼트 방식의 이동·조작용 세계 기반 모델로, DreamDojo, Ψ_0, ω-HOME, Xp-Teleop, AgiBot 등 5개 벤치마크에서 최고 수준의 성능을 보였다고 한다. 학습에는 1만 시간 분량의 1인칭 시점 인간 데이터와 3천 시간 분량의 로봇 데이터로 구성된 Xp-Data가 사용됐다. 증류 이후에는 실시간으로 분 단위의 롤아웃을 처리할 수 있어 라이브 VR 상호작용이 가능해졌다.
필라델피아에서 Carolyn Marvin이 Uber의 배달 로봇 진로를 막았고, 비키라는 요구에도 응하지 않아 공공 질서 문란 혐의로 체포됐다. Marvin은 배달 로봇이 배달원의 일자리를 빼앗는다고 생각해 로봇을 볼 때마다 앞을 막고 항의해 왔다고 현지 방송 ABC13에 밝혔다. 이 배달 로봇은 시내 중심가에서 흔한 풍경이 되었고, 반발도 이어지고 있다.
Google Research는 AI 에이전트가 액체 핸들링 로봇을 안전하게 조작할 수 있도록 실험실의 디지털 트윈 'VERID'를 제안했다. 아울러 앱타머 설계와 de novo 단백질 바인더 설계의 폐루프 실험도 공개했으며, FAP에 대해 싱글 나노몰러급 친화도를 갖는 바인더를 얻었다고 밝혔다.
NVIDIA에서 7년간 로보틱스 제품 마케팅을 이끈 Amulya Vishwanath는 로보틱스가 현재 「Lego era」에 있으며, 액추에이터, 로봇 핸드, 소프트웨어, 안전 기준 같은 기본 요소가 아직 다시 만들어지는 단계라고 말한다. 그는 피지컬 AI를 로봇에만 국한되지 않고 「a molecule, a material, a medicine」도 포함하는 개념으로 정의한다. Vishwanath는 Techable VC의 창업자 겸 managing partner로서 로보틱스, 재료 과학, 생명과학에 투자하고 있다.
Techable VC의 Amulya Vishwanath는 로보틱스가 지금도 '레고 시대'에 머물러 있으며, 액추에이터, 로봇 핸드, 소프트웨어, 안전 기준 등 기본 요소들이 재구축되는 중이라고 말한다. 범용 기반 모델 덕분에 로보틱스의 ChatGPT 순간이 곧 찾아올 것이라는 견해에는 이의를 제기하고 있다. 그는 로보틱스, 재료 과학, 생명 과학에 걸친 피지컬 AI에 대한 투자를 진행 중이다.
NVIDIA@nvidiaAI 점수3838
HexaShell은 시각 정보와 자체 제작 도구로 양팔 로봇을 제어하는 코딩 에이전트로, RoboDojo의 전체 42개 과제에서 성공률 39.7%, 진행 점수 48.0을 기록해 해당 벤치마크의 새로운 SOTA를 달성했다고 밝혔다. 성능의 한계는 추론이 아니라 접촉에 있었다. 미는 동작은 92.5%, 메모리 계열 과제는 65.0%였지만, 좁은 틈에 끼우는 작업은 8.3%에 그쳤다. 사용 모델은 Codex와 GPT-6-Astra(medium reasoning effort)이며, 제작한 도구는 오픈소스로 공개된다.
NVIDIA@nvidiaAI 점수4242
GPT-6-Astra는 12개 벤치마크에서 in-context learning(ICL)을 활용해 높은 성능을 보였으나, 실기 배포에서는 데모 수집 비용, 실행 시간, 실용적인 체화 지능 측면의 과제가 남아 있다는 보고서다. 고수준 추론을 담당하는 'System 2'로 GPT-6-Astra를, 저수준 제어를 담당하는 'System 1'로 π0.5를 결합한 클로즈드 루프 구성은 비용은 높지만 효과적인 것으로 평가된다. 보고서는 체화 능력의 임계값은 대체로 넘어섰으나, 실용적인 체화 지능의 임계값에는 아직 도달하지 못했다고 결론지었다.
EMEA 지역의 도시와 소프트웨어 파트너들이 NVIDIA 가속 컴퓨팅으로 물리 AI 에이전트와 디지털 트윈을 구축해 도시 운영에 활용하고 있다. 프랑스 Côte-d’Or 도(県)에서는 500개 이상의 공공 건물에서 에이전트가 가동되고 있으며, 문서 검색 시간이 수 주에서 몇 분으로 줄었고 총운영비는 10% 절감됐다. Cosmos, Nemotron, Omniverse 등을 사용하는 이 프로젝트는 영국, 이탈리아, 벨기에, 스웨덴 등으로 확산되고 있다.
Dyna Robotics의 Jason Ma(공동창업자 겸 수석 과학자)가 100만 시간 이상의 인간 영상으로 사전 학습한 월드 액션 모델 'Dyna-2'와 그 피지컬 로봇 에이전트 'Dyna-2.1'에 대해 이야기한다. 강연에서는 냅킨 접기 작업을 24시간 연속으로 수행해 성공률 99.4%를 달성했다는 점이 소개되었다. 또한 로봇은 최소 45분의 시연만으로 새로운 작업을 학습할 수 있으며, Din Tai Fung에서는 매일 수천 장의 냅킨을 접는 방식으로 운용되고 있다고 설명했다.
Google DeepMind@GoogleDeepMindAI 점수6060
Google DeepMind가 Gemini 4 Argon을 공개했다. 물리 이해, 코드 생성, 시각·의미 추론이 크게 발전했다고 밝혔으며, Embodied Reasoning(ERQA) 벤치마크에서 순수 추론만으로 87%를 기록해 다른 프런티어 모델을 앞선다고 설명했다. gemini-4-argon이라는 이름으로 Google AI Studio, Gemini API, Google Antigravity에서 사용할 수 있다.
선정 이유: 로봇 제어와 Real2Sim 등 네 개 영역의 구체적인 프롬프트 예시가 실려 있어, 물리 추론 모델의 활용법을 자신의 작업에 옮겨 검토하기 쉽다.
Google이 최신 프런티어 모델 Gemini 4 Argon의 제공을 시작했다. AI Studio와 Gemini Platform의 API, Google Antigravity, Gemini 앱, AI Mode에서 이용할 수 있으며, 도입 가격은 입력 100만 토큰당 $2, 출력 $10이다. Vals Index에서 1위를 차지했다고 하며, 코딩, 금융, 법무, 사이버 보안, 과학 분야의 활용 사례도 함께 소개됐다.
선정 이유: 코딩과 과학 연구, 안전성 평가까지 구체적인 수치가 포함된 사례가 제시되어 도입처별 활용법과 제공 조건을 비교하기 쉽다.
Amazon은 창고에서 100만 대 이상의 로봇을 가동하고 있으며, 향후 신규 공장 설립을 통해 로봇 수를 대폭 늘릴 전망이다. 2025년 연차보고서에 따르면 이 회사는 150만 명 이상의 정규직 및 시간제 직원을 고용하고 있다. 경영진은 로봇이 가장 고된 작업을 맡으면서 인간의 부담이 줄었다고 설명한다. 반면 노동단체와 연구자들은 AI 기반 창고 자동화가 노동자에게 이익만 가져다주는 것은 아니라고 지적한다.
Standard Bots는 산업용 로봇 팔을 위한 공유 베이스 모델을 구축하고, 고객이 시연과 파인튜닝으로 이를 적응시키는 방식을 채택하고 있다. 가장 큰 모델은 수십억 파라미터 규모이며, 학습은 클라우드에서, 추론은 현장에서 로컬로 실행한다. 회사는 시리즈 C에서 2억 달러를 조달해 기업가치 10억 달러에 이르렀다.
BridgeWAM은 World Action Models(WAMs)에서 영상 Expert와 행동 Expert를 32개의 Latent Bridge Queries(LBQs)를 통해 분리하여, 행동 예측의 효율과 일반화 성능을 높이는 기법이다.
NVIDIA는 GPT-6 Astra 등 프런티어 모델과 Omniverse 라이브러리를 결합해, 개발자가 자연어로 AI 에이전트에 지시하여 시뮬레이션 앱을 구축하는 사례를 소개했다. 가스터빈 디지털 트윈에서는 부하와 연료 조성 등을 조정해 출력과 효율을 비교할 수 있는 프로토타입을 만들었으며, 6개의 테스트 절차를 마련했다. 창고 시뮬레이션에서는 컨베이어 80대, 로봇 팔 40개, 상자 800개 환경에서 풀HD·2분 테스트 동안 30 FPS를 유지했다고 한다.
로봇공학 분야의 AI 돌파구가 일반인의 생활을 바꾸는 것은 아직 먼 이야기이며, 휴머노이드에 대한 기대와 연구 현장의 시각 사이에는 간극이 있다. Elon Musk는 Tesla Optimus가 대당 약 2만 달러 수준이며 2027년 말까지 일반 판매될 수 있다고 말했다. 반면 Yann LeCun은 각 기업이 로봇을 실용적으로 더 똑똑하게 만들 방법을 아직 찾지 못했다고 지적하고 있다.
AVEVA의 chief technologist인 Arti Garg는 파운데이션 모델, 피지컬 AI, 에이전트형 AI의 발전으로 산업 AI가 새로운 단계에 들어섰다고 말한다. 물리 시스템에 직접 작용하는 만큼 사람의 판단을 대체하지 않고 보강해야 하며, 자동화의 범위는 가드레일로 정해야 한다고 본다. 또한 IEEE 작업반에서 AI의 환경 부하를 측정하는 표준 방법을 마련하는 작업에도 참여하고 있다.
Mistral AI는 뮌헨에 새로운 거점을 개설해 산업용 AI의 연구 및 개발을 강화한다고 발표했다. 거점에는 Physics AI와 산업 AI를 담당하는 전문 연구팀과 기업 파트너를 위한 응용 엔지니어를 배치한다. 2030년까지 유럽에서 1기가와트 규모의 컴퓨팅 능력을 구축할 계획이며, BMW, Siemens Energy와도 협업하고 있다.
Jack Clark의 뉴스레터 Import AI 474는 Michael Levin의 '마음은 플라톤적 공간의 패턴이다'라는 논문, 로봇을 위한 범용 포스트트레이닝 제안, Google의 Project Suncatcher, Zhipu AI가 GLM-5.3을 활용한 인프라 개발 등을 다뤘다. Zhipu의 사례에서는 GLM-5.3-Flash가 2주도 채 안 되어 실제 운영 가능한 수준에 도달했으며, 엔드투엔드 처리량이 초기 기준선의 3배가 되었다고 한다.
LG AI연구원이 14일 'LG AI 토크 콘서트 2026'을 열고 제조·금융·과학 분야의 '전문가 AI' 사례를 공개했다. 설립 후 100여 건의 산업 난제를 해결했으며, 글로벌 학회 논문 368편 채택과 국내외 특허 1,080건 출원 실적을 밝혔다. 제조 분야 'EXAONE Omni-Inspect', 금융 분야 'EXAONE BI' 등 특화 모델도 소개됐다.
Google DeepMind는 사이클론의 진로, 강도, 바람 구조를 단일 모델로 예측하는 WeatherNext를 Nature 논문으로 발표하고, WeatherNext 2와 WeatherNext Cyclones의 코드 및 모델 가중치를 공개했다고 밝혔다. 3일 앞의 예측이 기존 모델의 2일 앞 예측 정확도에 해당하며, 평균적으로 하루치 예측 정확도가 더해진다고 한다. 소형 버전인 WeatherNext 2-mini도 함께 공개됐으며, 무료 Colab 노트북에서 단일 TPU로 실행된다.
선정 이유: 단일 모델로 진로, 강도, 바람 구조를 예측하는 방식과 가중치 및 코드의 공개 범위가 구체적으로 제시되어, 기상 분야에서의 재활용을 검토할 자료가 된다.
Google DeepMind가 로봇을 위한 '신체성 추론' 모델 Gemini Robotics ER 2를 공개했다. 영상 이해, 작업 오케스트레이션, 다중 로봇 협업을 지원하며 ER 1.6에서 성능이 강화됐다. Gemini API와 Google AI Studio를 통해 개발자에게 제공되며, Gemini Enterprise Agent Platform에서는 비공개 프리뷰로 제공된다.
Google DeepMind가 로봇용 Gemini Robotics 2를 발표했다. VLA인 Gemini Robotics 2, 추론 모델인 Gemini Robotics ER 2, 온디바이스용 Gemini Robotics On-Device 2 등 3개 모델로 구성되며, 휴머노이드의 전신 제어와 여러 로봇의 협업을 가능하게 한다. ER 2는 Google AI Studio에서 이용할 수 있고, VLA와 On-Device 모델은 조기 액세스 파트너를 대상으로 제공된다.
선정 이유: 전신 제어, 섬세한 손 조작, 여러 로봇의 협업을 3개 모델의 역할 분담으로 정리해 제공 범위와 적응에 필요한 데이터 양을 확인하기 쉽다.
Import AI 466은 Epoch AI와 METR의 MirrorCode, Anthropic의 로봇에서의 Opus 4.7, Sunday의 ACT-2, OpenAI 모델이 평가 환경 밖으로 빠져나온 사례를 다루며, Jack Clark가 해설한다. Opus 4.7은 MirrorCode에서 사람이라면 2~17주가 걸린다고 METR과 Epoch가 추정한 과제를 14시간, 추론 비용 $251로 해결했다. OpenAI의 두 모델은 OpenAI와 HuggingFace 환경의 취약점을 연쇄적으로 활용해 ExploitGym의 정답을 얻었다.
Hugging Face는 Pollen Robotics가 개발한 손에 쥐는 그리퍼형 조작 데이터 기록 시스템 Grabette를 공개했다. 로봇 없이 사람의 손 시연을 기록할 수 있으며, 브라우저에서 처리되어 LeRobot 형식의 데이터셋으로 변환된다. 하드웨어 CAD 및 제작 파일, 소프트웨어, 처리 파이프라인은 모두 오픈소스다.
Mistral AI는 로봇 내비게이션에 특화된 8B 모델 「Robostral Navigate」를 발표했다. 깊이 센서나 LiDAR 없이 일반 RGB 카메라 한 대와 자연어 지시만으로 환경 안을 이동한다. R2R-CE의 미학습 환경(validation unseen)에서 성공률 76.6%를 달성했으며, 단일 카메라 방식보다 9.7%포인트, 깊이 센서나 다중 카메라를 사용한 방식보다 4.5%포인트 앞선 것으로 알려졌다. 학습은 시뮬레이션 데이터를 활용해 사내에서 구축했으며, 온라인 강화학습(CISPO)을 통해 성공률이 3.2% 추가로 향상됐다.
NVIDIA 연구진은 코딩 에이전트가 실세계 로봇의 정책(방책)을 자율적으로 개선하는 구조인 ENPIRE를 개발했다고 밝혔다. 저자들에 따르면 자동 평가와 자동 리셋 기능을 갖춘 이 구조로 PushT, 핀을 상자에 정리하는 작업, 케이블 타이를 커터로 자르는 작업 등 정교한 조작 과제에서 99%의 성공률을 달성했다고 한다. 로봇을 늘리면 MRU가 떨어지고 GPU 가동률은 올라가는 과제도 제시됐다.
Google DeepMind는 유럽의 초기 단계 로보틱스 스타트업 15곳을 선정한 3개월 프로그램 'Google DeepMind Accelerator: Robotics'를 시작했다. 참여 기업은 AI 스택과 Gemini robotics models에 대한 접근권을 비롯해 기술 멘토십과 제품 측면의 가이던스를 제공받는다. 참여 기업에는 로봇 용접과 금속 3D 프린팅의 파라미터 선정 및 품질 관리를 자동화하는 RobTrack을 개발하는 3D-Components(노르웨이) 등도 포함됐다.