분류 전체보기37 엔비디아가 COMPASS와 AI 에이전트로 로봇 자율주행의 '몸체 한계'를 깨부순 방법 1. 이종 로봇 자율주행의 난제와 엔비디아의 해법로봇 공학에서 '네비게이션(Navigation)'은 단순히 관절을 움직여 안정적으로 걷는 '로코모션(Locomotion)'과는 차원이 다른 문제입니다. 로봇이 실시간으로 자신의 위치를 추정(Localization)하고, 시시각각 변하는 주변 환경을 인지하며, 동적 장애물을 피해 목적지까지 안전하게 도달하는 전 과정을 아우르기 때문이죠.현업에서 가장 골치 아픈 지점은 새로운 로봇 하드웨어(Embodiment)나 새로운 작업 환경(Scene)이 도입될 때마다 이 복잡한 파이프라인을 완전히 처음부터 다시 만들고 학습시켜야 한다는 것입니다. 센서의 위치, 로봇의 물리적 제원, 동역학적 특성이 조금만 달라져도 기존에 공들여 학습시킨 자율주행 모델은 무용지물이 되기 .. 2026. 10. 2. 왜 로봇에게 유튜브 비디오를 보여주면 버벅일까? AGIBOT이 3만 시간 데이터로 뚫어낸 '실시간 월드 액션 모델(WAM)'의 비밀 1. 비디오 생성을 넘어 '행동'으로: GE-Act 2.0의 정면돌파로보틱스 분야에서 '월드 모델(World Model)'을 구축하려는 시도는 이제 거스를 수 없는 흐름이 되었습니다. 하지만 현업에서 이를 구현할 때 마주치는 가장 큰 딜레마가 있습니다. 바로 "기존의 잘 만들어진 비디오 생성 모델(Sora, Stable Diffusion 등)을 가져다 쓸 것인가, 아니면 로봇 제어만을 위한 모델을 바닥부터 새로 학습시킬 것인가" 하는 점입니다.기존의 많은 연구는 전자를 선택했습니다. 이미 수십억 장의 이미지로 학습된 비디오 생성기를 백본(Backbone)으로 삼아 물리적 세계의 인지 능력을 날로 먹으려(?) 했던 것이죠. 하지만 이 방식은 치명적인 약점이 있습니다. 로봇 제어 루프(보통 20Hz 이상)에.. 2026. 10. 2. 현대·토요타 등 300+ 차종 지원하는 오픈파일럿의 심장: 콤마AI가 'comma four'를 미국 본사 온사이트 제조로 전환한 실무적 이유 오픈소스 자율주행의 대명사인 컴마(comma.ai)가 하드웨어 제조 방식을 공개하는 영상을 보면 묘한 인상을 받게 됩니다. 대개의 빅테크 기업이나 모빌리티 스타트업은 물건을 찍어낼 때 비용 절감을 위해 인건비가 저렴한 해외 외주 공장을 찾기 마련인데, 이들은 고집스럽게도 미국 샌디에이고 본사 건물 위층에서 설계를 하고 바로 아래층에서 기판을 조립하고 있더라고요.샌디에이고 본사에서 직접 기판을 구워내는 이유자율주행 애프터마켓 하드웨어를 다뤄본 사람이라면 하드웨어와 소프트웨어의 통합 속도가 얼마나 중요한지 잘 알 겁니다. 컴마가 굳이 샌디에이고 오피스 내부에 SMT(Surface Mount Technology) 라인을 구축하고 직접 제조에 뛰어든 것은 단순한 애국 마케팅이나 감성팔이가 아닙니다. 소프트웨어 .. 2026. 10. 1. 구글 웨이모가 2.7억 마일 무인 주행으로 증명한 '인간보다 95% 안전한' 자율주행의 통계적 실체 1. 웨이모가 공개한 2.7억 마일의 성적표와 데이터 허브자율주행 업계에서 '안전성'을 객관적으로 입증하는 것만큼 어려운 일도 없습니다. 각 제조사마다 사고를 정의하는 기준이 다르고, 주행하는 지역의 환경도 제각각이기 때문인데요. 이런 상황에서 구글의 자율주행 부문 자회사인 Waymo가 자사의 무인 로보택시 서비스(Rider-Only, RO) 누적 주행 거리 2억 7,130만 마일(약 4억 3,600만 km)을 돌파하며, 그동안 쌓아온 방대한 안전성 데이터를 완전히 투명하게 공개했습니다.이번에 Waymo가 업데이트한 'Safety Impact' 데이터 허브는 단순히 "우리가 이만큼 안전하다"라고 주장하는 마케팅 자료가 아닙니다. NHTSA(미국 도로교통안전국)의 Standing General Order(.. 2026. 10. 1. 테슬라 옵티머스 긴장케 할 오픈소스의 역습: Menlo Research가 공개한 Asimov 1과 Isaac Lab 기반 강화학습 프레임워크 분석 1. Menlo Research의 Asimov 1 오픈소스 로코모션 프레임워크 공개최근 휴머노이드 로봇 업계에서 가장 뜨거운 화두는 단연 'Sim-to-Real(시뮬레이션에서 학습한 알고리즘을 실제 로봇에 적용하는 기술)'의 완성도입니다. 아무리 가상 환경에서 화려하게 백덤블링을 돌더라도, 실제 먼지 날리고 울퉁불퉁한 현실 노면에서 단 몇 걸음도 못 가 고꾸라진다면 아무런 의미가 없기 때문인데요.이러한 장벽을 허물기 위해 Menlo Research의 엔지니어 팀(Emre 외)이 자사의 오픈소스 휴머노이드 로봇 Asimov 1의 보행 제어 정책 및 트레이닝 파이프라인(isaac_asimov)을 전격 오픈소스로 공개했습니다. NVIDIA의 차세대 물리 시뮬레이션 플랫폼인 Isaac Lab을 기반으로 설계된 .. 2026. 9. 30. 왜 웨이모는 수천만 원짜리 라이다를 버리지 못할까? 센서 인코더 융합 아키텍처가 푸는 0.1%의 예외 상황 1. 웨이모 드라이버가 정의하는 멀티 모달리티 센서 융합자율주행 업계에서 '카메라 기반의 비전 올인(Vision-Only)' 노선과 '다중 센서 융합(Multi-Sensor Fusion)' 노선의 대립은 여전히 가장 뜨거운 논쟁거리 중 하나입니다. 구글의 자율주행 부문 자회사인 웨이모(Waymo)는 창사 이래 줄곧 후자인 센서 융합 아키텍처를 고수해 왔는데요.최근 공개된 웨이모의 숏폼 영상에서 Co-CEO인 디미트리 돌고프(Dimitri Dolgov)는 웨이모 드라이버(Waymo Driver)가 카메라, 라이다(LiDAR), 레이더(Radar)를 모두 사용해야만 하는 이유를 명확하게 설명했습니다. 단순히 "센서가 많으면 안전하다"는 수준을 넘어, 각 센서의 물리적 한계를 다른 센서가 어떻게 상호 보완하는.. 2026. 9. 30. 이전 1 2 3 4 5 6 7 다음
