NVIDIA, CES 2026에서 차세대 물리적 AI 및 로보틱스 오픈 스택 공개

이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.

핵심 요약

NVIDIA는 CES 2026에서 휴머노이드, 자율 주행차 및 기타 물리적 AI 구현을 위한 새로운 오픈 모델과 프레임워크 제품군을 발표했다. 이 스택은 OpenUSD를 기반으로 고충실도 시뮬레이션부터 에지 배포까지 로보틱스 개발의 전 과정을 지원한다. Caterpillar, LEM Surgical, NEURA Robotics 등 주요 기업들이 이 기술을 활용해 실제 산업 현장에 적용 가능한 로봇 솔루션을 선보였다. 결과적으로 NVIDIA는 시뮬레이션과 현실의 간극을 좁히는 'Sim-to-Real' 워크플로우를 표준화하고 있다.

배경

로보틱스 기본 개념, NVIDIA Omniverse 및 Isaac 프레임워크에 대한 이해, OpenUSD 데이터 구조 지식, 강화 학습 및 파인튜닝 원리

대상 독자

로보틱스 개발자, 물리적 AI 연구원, 자율 시스템 엔지니어, 산업 자동화 전문가

의미 / 영향

NVIDIA의 오픈 스택 공개는 로보틱스 개발의 진입 장벽을 낮추고 시뮬레이션 기반 학습의 표준을 제시한다. 이는 휴머노이드와 자율 시스템의 상용화 속도를 획기적으로 앞당길 것으로 예상된다.

섹션별 상세

NVIDIA Cosmos 월드 모델과 Isaac 기술을 중심으로 한 물리적 AI 스택이 공개됐다. 이 스택에는 정책 평가를 위한 Isaac Lab-Arena 오픈 소스 프레임워크, 자율 주행차용 Alpamayo 포트폴리오, 그리고 컴퓨팅 환경 전반의 학습을 조율하는 OSMO 프레임워크가 포함된다. OpenUSD는 이러한 도구들 사이에서 3D 데이터를 표준화하여 디지털 트윈의 재사용성을 보장하는 핵심 역할을 수행한다.

비디오 검색 및 요약을 위한 AI 블루프린트 다이어그램 — Diagram비디오 데이터를 분석하여 AI 에이전트가 검색 및 요약 작업을 수행하는 워크플로우를 도식화하고 있다. 이는 물리적 AI 스택이 시각적 정보를 어떻게 처리하고 활용하는지에 대한 개념적 이해를 돕는다.

Caterpillar는 NVIDIA Nemotron 오픈 모델과 Jetson Thor 에지 AI 모듈을 활용한 'Cat AI Assistant'를 선보였다. 중장비 운전자는 자연어 인터페이스를 통해 장비 조작 가이드를 받거나 안전 파라미터를 음성으로 조정할 수 있다. 또한 Omniverse 라이브러리를 통해 구축된 작업 현장의 디지털 트윈은 실제 배치 전 교통 패턴과 다중 장비 워크플로우를 시뮬레이션하여 운영 효율성을 높인다.

LEM Surgical의 Dynamis 로봇 수술 시스템은 척추 수술의 정밀도를 높이기 위해 NVIDIA의 전체 스택을 도입했다. Jetson AGX Thor를 연산 장치로, Holoscan을 실시간 센서 처리에 사용하며, Cosmos Transfer 월드 모델을 통해 물리 기반 합성 학습 데이터를 생성한다. 이를 통해 인간 외과의의 손재주를 모방한 듀얼 암 휴머노이드 수술 로봇의 정밀한 제어가 가능해졌다.

LEM Surgical의 Dynamis 로봇 수술 시스템 전시 모습 — PhotoNVIDIA Jetson Thor와 Isaac 기술을 활용하여 구축된 실제 의료 로봇의 외형과 전시 환경을 보여준다. 기사에서 언급된 하드 하드웨어 수술용 듀얼 암 휴머노이드 구조를 시각적으로 확인할 수 있다.

NEURA Robotics와 AgiBot은 휴머노이드 로봇 학습에 NVIDIA 기술을 적용했다. NEURA Robotics는 Isaac GR00T-Mimic을 사용하여 기초 모델을 사후 학습시키고 SAP의 Joule 에이전트와 통합했다. AgiBot은 Cosmos Predict 2를 백본으로 사용하여 행동 조건부 비디오를 생성하고, 이를 Isaac Sim과 결합하여 시뮬레이션에서 개발된 정책이 실제 휴머노이드 하드웨어로 안정적으로 전이되도록 구현했다.

Hugging Face와의 협력을 통해 NVIDIA Isaac GR00T N 모델이 LeRobot 에코시스템에 통합됐다. 개발자들은 LeRobot 내에서 직접 Isaac GR00T N1.6 모델과 Isaac Lab-Arena에 접근하여 정책 학습과 평가를 수행할 수 있다. 특히 오픈소스 Reachy 2 휴머노이드는 Jetson Thor와 완전히 호환되어 고급 VLA 모델을 실제 환경에 즉시 배포할 수 있는 환경이 마련됐다.

이미지 분석

Photo
NVIDIA의 가속 컴퓨팅과 AI 기술이 우주 과학 분야에서 복잡한 데이터를 빠르게 분석하는 사례를 보여준다. 물리적 AI 기술이 지구상의 로보틱스를 넘어 극한 환경의 데이터 분석에도 적용됨을 시사한다.
AI를 이용해 매핑된 타이탄 위성의 메탄 구름 이미지

실무 Takeaway

OpenUSD를 공통 프레임워크로 채택하여 3D 데이터 표준화를 이루고 시뮬레이션과 배포 간의 데이터 재사용성을 극대화할 수 있다.
Cosmos 월드 모델을 활용하면 물리적 법칙이 적용된 합성 데이터를 생성하여 실제 환경 데이터 수집의 한계를 극복하고 학습 효율을 높일 수 있다.
Jetson Thor와 같은 고성능 에지 AI 모듈을 통해 복잡한 VLA(Vision Language Action) 모델을 로봇 하드웨어에 직접 배포하여 실시간 추론 성능을 확보할 수 있다.