주어진 작업(동작)에 맞춰 로봇의 물리적 구조(embodiment)와 제어기를 자동으로 최적화 설계하는 '트랜스포머 트랜스포머(Transformer Transformer)' 모델이 소개되었습니다. 이 모델은 로봇의 모든 관절과 모터를 통합된 토큰(RoboTokens)으로 표현하여 단일 네트워크에서 로봇 생성, 평가, 제어를 모두 수행할 수 있게 만들어, 로봇 공학 및 코디자인 연구의 패러다임을 전환하는 중요한 연구입니다.
런던 개트윅 공항이 영국 공항 중 최초로 Stanley Robotics와 협력해 자율주행 로봇 주차 시스템을 도입했습니다. 승객은 프라이빗 공간에 차량을 내려놓고 키를 직접 보관한 채 여행을 떠날 수 있으며, 로봇이 차량을 안전한 보관소로 이동시켜 공간 활용도를 극대화합니다. 이 혁신은 승객의 편의성을 높이는 동시에 추가 인프라 건설 없이도 공항의 주차 수용 능력을 효율적으로 확장할 수 있다는 점에서 중요합니다.
독일 AI 기업 블랙 포레스트 랩스(Black Forest Labs)가 이미지, 비디오, 오디오를 동시에 학습하는 멀티모달 기반 모델 'Flux 3'를 공개했습니다. 이 모델은 최장 20초의 네이티브 오디오가 포함된 영상을 생성하며, 경쟁 모델들을 압도하는 성능을 보여줍니다. 또한 아우디(Audi) 등에 적용되는 로봇 공학용 비디오 액션 모델까지 선보이며 실제 산업 활용도를 높였다는 점에서 중요합니다.
최근 AI 업계에 앤스로픽(Anthropic)이 물리적 세계를 이해하는 로봇 스타트업 피지컬 인텔리전스(Physical Intelligence)를 인수한다는 소문이 퍼지며 큰 화제가 되었습니다. 피지컬 인텔리전스는 로봇 뇌 모델로 유명하며 오픈AI(OpenAI) 등이 투자한 핵심 기업인 만큼, 양사의 실제 인수 협상 사실이 알려지며 AI 모델이 초지능으로 발전하기 위해 로봇 및 하드웨어 역량이 필수적이라는 업계의 방향성을 시사합니다.
로봇 스타트업 그릿(Gritt)이 3천4백만 달러의 자금 조달과 함께 공개되어, AI 기반 로봇 시스템을 통해 태양광 패널 설치 작업의 효율성을 크게 높이고자 합니다. 이 시스템은 기존 하드웨어를 활용해 작업자의 부상을 줄이고 설치 속도를 몇 배 이상 향상시키며, 향후 다른 건설 작업으로 확장할 계획입니다. 이는 노동력 부족 문제를 해결하고 기후 변화 대응 인프라 구축을 가속화하는 중요한 혁신으로 평가됩니다.
Pantograph 연구팀은 인터넷 규모의 비디오 데이터를 사전 학습하여 목표를 달성하는 범용 로봇 AI 모델을 개발했습니다. 이 방법론은 보상 함수나 행동 데이터가 없는 영상에서 '사후 재라벨링(hindsight relabeling)' 기법을 활용해 목표 지향적 행동을 학습하는 것이 핵심입니다. 연구팀은 이를 통해 40억 매개변수(4B) 규모의 모델 'Pan'을 구축하여 마인크래프트 환경에서 전투, 탐험, 건축과 같은 복잡한 장기 목표를 능동적으로 수행할 수 있음을 증명했습니다.
양 르쿤(AI 석학)은 현재의 LLM(대형 언어 모델)이 물리적 현실을 이해하지 못해 진정한 지능이나 로봇 제어에 한계가 있다고 지적했습니다. 그는 훨씬 적은 자본으로 10억 달러를 유치하며 물리적 세계를 추상화하고 이해하는 새로운 AI 아키텍처(JEPA)를 개발하는 스타트업을 설립했습니다. 이는 LLM 확장만으로는 초지능(AGI)에 도달할 수 없다는 업계의 반성과 차세대 AI 패러다임으로의 전환을 시사합니다.
로봇 손 제조 스타트업 프로셉션(Proception)은 테슬라와의 영업비밀 침해 소송을 원만히 합의하여 마무리했습니다. 동시에 로봇 공학에서 가장 어려운 난제 중 하나인 '로봇 손' 문제를 해결하기 위해 독자적인 훈련 데이터(training data) 수집 방식을 도입하며 1,100만 달러(약 110억 원)의 시드 투자를 유치했습니다.
스위스 스타트업 플렉시온(Flexion)은 시뮬레이션과 강화학습을 활용해 휴머노이드 로봇이 사무실 잡무를 자율적으로 수행하도록 훈련하는 AI 소프트웨어를 개발했습니다. 이는 기존 원격 조종 방식의 한계를 넘어, 로봇 하드웨어 자체보다 이를 지능화하는 기초 AI 모델이 핵심 경쟁력임을 보여줍니다.
중국 하드웨어의 수도 선전의 스타트업 IO-AI Tech는 작업자가 VR 헤드셋과 모션 트래킹 기어를 착용하고 휴머노이드 로봇을 원격 조종하며 노동을 수행하는 원격 조작(Teleoperation) 기술을 선보이고 있습니다. 이 과정에서 수집되는 데이터는 휴머노이드 로봇이 완전히 자율적으로 작업할 수 있도록 돕는 AI 훈련에 활용됩니다. 이러한 접근 방식은 자율주행차의 발전 과정과 유사하게, 점진적인 AI 자동화를 이끌며 제조 및 유통 업계의 노동력을 혁신적으로 대체할 중요한 기반 기술로 평가받고 있습니다.
엔비디아, 카네기멜론, UC 버클리 연구진은 AI 코딩 에이전트가 로봇을 스스로 훈련시키는 'ENPIRE' 프레임워크를 개발했습니다. 8개의 로봇이 협력해 핀 조립, 케이블타이 절단 등 까다로운 실제 작업에서 최대 99%의 성공률을 달성했습니다. 이는 로봇 학습 과정에서 인간의 개입을 획기적으로 줄여 학습 시간과 비용을 크게 단축할 수 있는 중요한 기술 패러다임 전환을 보여줍니다.
오픈AI가 2020년 폐지했던 로봇 공학 부서를 약 5년 만에 전면 부활시켰습니다. 단기적으로는 전문가의 인프라 구축을 돕는 로봇을 개발하고, 장기적으로는 사용자가 필요한 모든 작업을 수행하는 '개인 전용 범용 로봇'을 목표로 하고 있습니다. 이는 물리적 세계의 데이터를 확보하고 AGI(범용 인공지능) 달성을 앞당기기 위한 '구현형 AI(Embodied AI)' 모델 전략으로 풀이됩니다.
1980년대 후반 취미 개발자 그룹이 모터 대신 공압식 '공기 근육(Air-Muscles)' 액추에이터를 적용해 무릎과 발목이 없는 형태의 이족보행 로봇 '섀도우 워커(Shadow Walker)'를 제작했습니다. 당시 이 독창적인 DIY 프로젝트에 참여했던 창작자들은 훗날 로봇 산업을 선도하는 선구적인 로봇 공학 회사를 설립하는 데 성공했습니다.
제네시스 AI가 물리, 렌더링, 컴파일, 툴링 등 4가지 핵심 요소로 구성된 시뮬레이션 플랫폼인 '제네시스 월드 1.0'을 발표했습니다. 이 플랫폼은 시뮬레이션과 실제 로봇 구동 환경 간의 높은 상관관계(피어슨 상관계수 0.8996)를 입증하여 현실 세계를 매우 정밀하게 모사합니다. 더불어 로봇 정책(Policy) 평가 시간을 200시간 이상에서 0.5시간 미만으로 극적으로 단축시켜 로봇 학습 및 테스트의 효율성을 획기적으로 높였다는 점에서 실무자들에게 매우 중요한 의미를 갖습니다.
AI 훈련 스타트업 Shift는 청소 도구 대신 작동하는 '매직 햇'을 쓰는 방식으로 가정 내 청소를 무료로 제공합니다. 이 과정에서 촬영된 청소 데이터는 민감한 정보가 모두 익명화된 뒤 로봇 학습에 활용됩니다. 이는 인간의 작업 데이터를 수집해 로봇을 훈련하려는 시장의 성장을 보여줍니다.
해커뉴스에 자율주행 및 로봇 공학 연구를 위한 '오픈소스 AI 레이싱 하네스'가 소개되었습니다. 소속사인 Elodin은 지구 중력장 모델인 EGM2008의 초고속 구현체를 새롭게 추가하여 성능을 개선하였습니다. 또한 200만 달러(약 27억 원) 규모의 프리시드 투자 유치를 성공적으로 마치고 첫 정규 직원(비행 소프트웨어 엔지니어)을 영입하며 본격적인 기술 고도화에 나섰습니다.
Figure 03 휴머노이드 로봇의 실시간 스트리밍 중 로봇이 기묘한 행동을 하는 장면이 포착되어 화제가 되었습니다. 작성자는 이를 원격 조종자(teloperator)의 교대 시점이거나, 로봇이 오토바이를 타고 낙조 속으로 달리는 상상을 하는 듯하다고 묘사했습니다. 해당 영상은 유튜브 라이브 링크를 통해 직접 확인할 수 있습니다.
중국의 로봇 스타트업 유니트리(Unitree)가 벽을 부수고 변신하는 등 파괴적인 스턴트가 가능한 거대 탑승형 메카 로봇 'GD01'을 실제 판매용 제품으로 공개했습니다. 이 회사는 강력한 하드웨어 공급망을 바탕으로 저렴한 가격에 로봇을 생산하며 빠르게 성장하고 있으며, 올해 상장을 앞두고 있습니다. GD01은 복잡한 AI 자율 제어보다는 강렬한 시각적 퍼포먼스와 홍보 효과를 노린 파격적인 제품으로 보입니다.
로봇 스타트업 피규어(Figure)가 자사의 두 F.03 휴머노이드 로봇이 협력하여 단 2분 만에 침실을 청소하고 이불을 개는 모습을 시연했습니다. 이는 복잡한 환경에서도 사전 프로그래밍 없이 완벽한 자율 주행 및 작업이 가능한 최신 AI 시스템 '헬릭스(Helix)'의 성능을 입증하는 중요한 사례입니다. 실생활 밀착형 가사 노동을 성공적으로 수행했다는 점에서 상업용 휴머노이드 로봇의 실용화가 한층 가까워졌음을 시사합니다.
제네시스 AI(Gene 26.5)가 피아노를 연주하며 사람 수준의 정밀한 로봇 손 조작 능력을 입증했습니다. 이는 로봇 공학 분야에서 미세한 힘 조절과 복잡한 모터 제어가 필수적인 과제를 해결한 것으로, 산업 현장 및 일상생활에서 휴머노이드 로봇의 활용도를 크게 높일 수 있다는 점에서 주목받습니다.
팀 쿡의 뒤를 이어 올해 새 CEO로 취임하는 존 터너스(John Ternus)의 하드웨어 엔지니어링 전문성은 애플의 향후 전략에 큰 변화를 예고합니다. 그는 거대 언어 모델 경쟁 대신 사용자의 일상에 밀착한 AI 기반 기기(스마트 안경, 로봇 등) 개발과 오랜 기간 지연되었던 폴더블 iPhone 출시를 주도할 것으로 보입니다. 이는 급변하는 AI 생태계와 공급망, 관세 정책 등의 도전 속에서 애플이 자사의 강점인 하드웨어를 중심으로 새로운 돌파구를 마련하려는 중요한 전환점입니다.
소니 AI의 '프로젝트 에이스(Project Ace)'가 공개되었습니다. 이 프로젝트는 AI와 로봇 공학 기술을 접목하여 처음으로 프로 탁구 선수와 대등한 수준의 경기를 펼칠 수 있는 수준에 도달했습니다. 실시간으로 고속의 공을 예측하고 유연하게 대응하는 이 기술은 인간과 로봇 간의 물리적 상호작용 한계를 뛰어넘는 획기적인 성과로 평가받습니다.
중국 스마트폰 제조사 폰(Honor)이 개발한 휴머노이드 로봇이 하프마라톤에서 50분 26초를 기록하며 인간 세계 기록을 7분이나 앞당겼습니다. 이번 대회는 100여 대의 로봇과 1만 2천여 명의 인간이 함께 달리며 중국의 첨단 로봇 기술력을 시연한 자리였습니다. 이는 통제된 환경에서 휴머노이드 로봇의 신체적 한계가 인간을 능가할 수 있음을 보여준 상징적인 사건입니다.
베이징에서 열린 휴머노이드 하프 마라톤 대회에서 유니트리(Unitree)의 H1 로봇이 도중에 넘어지는 사고가 발생했습니다. 해당 로봇은 절뚝거리며 스스로 일어나 경기에 복귀했고, 다른 H1 로봇이 그 뒤를 지나가는 모습이 포착되었습니다. 이 사건은 야외 환경에서 로봇의 자율 균형 제어 및 오류 복구 기술이 여전히 직면한 과제를 보여주는 중요한 사례입니다.
구글 딥마인드가 로봇의 고수준 인지 및 작업 계획을 돕는 'Gemini Robotics-ER 1.6'을 공개했습니다. 이 모델은 구글 검색이나 비전-언어-액션(VLA) 모델을 연동하여 작은 계기판의 숫자까지 정밀하게 판독하는 등 복잡한 환경에서의 추론 능력을 대폭 향상시켰습니다. 보스턴 다이내믹스의 Spot 로봇에 적용되어 실제 시스템 검사에 활용될 만큼 높은 실용성을 입증했다는 점이 핵심입니다.
오는 4월 19일 열리는 베이징 휴머노이드 로봇 하프 마라톤을 앞두고 유니트리(Unitree)의 H1 로봇이 시험 주행하는 영상이 공개되었습니다. 해당 영상은 로봇이 점진적으로 속도를 높이며 달리는 모션의 변화(transition)를 자연스럽게 구현하는 과정을 보여줍니다. 이는 휴머노이드 로봇의 동적 균형 제어 및 민첩성(agility) 기술이 실제 스포츠 환경에서도 크게 향상되었음을 시사하는 중요한 의미를 갖습니다.
Figure사가 로봇의 하체 액추에이터 최대 3개가 고장 나더라도 넘어지지 않고 균형을 유지할 수 있는 새로운 AI 밸런스 정책 'Vulcan'을 공개했습니다. 이전에는 한 부품의 고장이 즉각적인 작업 중단으로 이어졌지만, 이제는 로봇이 스스로 절뚝거리며 수리 구역으로 이동할 수 있습니다. 이는 인간형 로봇의 임무 수행 연속성과 산업 현장 내 신뢰성을 크게 향상시키는 중요한 기술적 진전입니다.
구글 딥마인드가 실제 환경에서 로봇을 제어하는 '인지 뇌' 역할을 하는 발현형 추론(Embodied Reasoning) 모델의 대대적인 업그레이드 버전인 Gemini Robotics-ER 1.6을 발표했습니다. 이 모델은 로봇 공학에 필수적인 시각적/공간적 이해, 작업 계획 수립, 성공 여부 감지 및 계기판 판독 능력을 향상시켜 물리적 AI의 실용성을 한 차원 높였습니다.
오는 4월 19일 중국에서 70여 개 로봇 팀이 참가하는 두 번째 휴머노이드 하프마라톤 대회가 개최됩니다. 특히 올해는 참가 로봇 중 절반 가까이 자율주행 기술을 적용해 기술적 난이도가 크게 높아졌습니다. 실무자 관점에서 실내가 아닌 야외 장거리 환경에서 다수의 로봇이 안정적으로 작동하는지 검증하는 중요한 이벤트입니다.
인도 일부 공장 노동자들이 자신의 움직임을 기록하기 위해 머리에 카메라를 착용하고 있습니다. 이렇게 수집된 영상 데이터는 대형 로봇 기업들이 휴머노이드 로봇을 훈련시키는 데 활용될 예정입니다. 이는 저렴한 노동력을 활용해 로봇의 자동화 데이터를 구축하려는 산업계의 새로운, 그리고 다소 충격적인 시도로 평가됩니다.