Black Forest Labs의 새로운 멀티모달 파운데이션 모델인 FLUX 3가 로봇 제어 및 영상 생성을 하나로 통합하는 '비디오-행동 모델'로 진화했습니다. 이 모델은 영상 생성 과정에서 습득한 물리적 세계의 이해를 바탕으로 로봇의 행동(Action)을 예측하며, mimic 로보틱스와의 협업을 통해 아우디(Audi) 실무 환경에 배포되었습니다. 단일 모델로 영상과 로봇 제어를 모두 처리함으로써 피지컬 AI(Physical AI)가 자연스럽게 확장되는 중요한 기술적 이정표입니다.
엔비디아가 로봇과 비전 AI가 주변 환경을 이해하고 실시간으로 추론하여 기기 자체에서 동작을 생성할 수 있는 40억 매개변수(4B)의 오픈 월드 모델 '코스모스 3 엣지(Cosmos 3 Edge)'를 출시했습니다. 이번 릴리스는 로봇 공학과 자율 시스템 분야에서 네트워크 지연 없이 즉각적인 반응과 로컬 제어가 가능해진다는 점에서 매우 중요합니다.
앤트그룹의 자회사 로비앤트(Robbyant)는 단순한 비디오 생성 모델의 파인튜닝이 아닌, 처음부터 로봇의 물리적 구현(Embodiment)을 위해 설계된 'LingBot-VA 2.0'을 발표했습니다. 이 모델은 사전 추론(Foresight Reasoning)을 통해 미래 상태를 예측하고 실시간 관측 데이터를 바탕으로 초당 225Hz의 비동기 제어를 가능하게 하여 실무 로봇 공학 분야에서 높은 파급력을 기대하게 합니다.
AI 스타트업 '제너럴 인튜이션(General Intuition)'은 로봇 공학도 대규모 언어 모델(LLM)과 같은 '파운데이션 모델' 시대로 진입했다고 주장합니다. 이 회사는 비디오 게임 데이터로 학습시킨 범용 모델을 통해 단 8분의 실제 미세조정만으로 로봇을 작동시키며 그 가능성을 입증했습니다. 앞으로 로봇 산업은 막대한 실제 환경 데이터를 수집하는 대신, 이러한 범용 기반 모델을 활용해 빠르게 기술을 고도화할 수 있게 될 전망입니다.
제프 베조스 등의 투자를 받은 스타트업 '제너럴 인튜이션'은 게임 데이터가 범용 인공지능(AGI)을 구현하는 핵심이라고 주장합니다. 기존 LLM은 텍스트 처리에 뛰어나지만 물리적 시공간을 이해하지 못해 이를 극복하기 위해 게임 데이터 기반의 세계 모델을 연구하며 AI로 인한 일자리 대체 문제에 대해서도 대비하고 있습니다.
2026년 개최되는 'SusHi Tech Tokyo 2026'은 AI, 로봇 공학, 기후/재난 회복 탄력성, 엔터테인먼트라는 4가지 핵심 기술 도메인을 중심으로 글로벌 스타트업 생태계를 선보이는 행사입니다. TechCrunch와 파트너십을 맺어 우수 스타트업을 'TechCrunch Disrupt'에 진출시키는 기회를 제공하며, 현장에 직접 참석하지 못하는 참가자를 위해 실시간 양방향 화상 통화가 가능한 원격 참여 프로그램도 운영합니다. 이 행사는 글로벌 빅테크 리더들과 투자자, 그리고 도쿄도정부가 주관하는 55개 글로벌 도시 지도자 서밋이 함께 어우러져 기술과 비즈니스, 도시의 미래를 논의하는 중요한 자리입니다.