NVIDIA, Open Physical AI Data Factory Blueprint로 robotics training data pipeline 공개

NVIDIA는 2026년 3월 16일 Open Physical AI Data Factory Blueprint를 발표하며 robotics와 autonomous system 개발의 핵심 병목을 data production으로 규정했다. 많은 physical AI 팀이 model architecture보다 먼저 training data 부족과 edge case 수집 비용에 부딪힌다는 점을 겨냥한 발표다. NVIDIA는 limited real-world data를 더 크고 다양한 dataset으로 증폭하는 reference architecture를 제공하겠다고 밝혔다.

이 blueprint는 단일 기능이 아니라 end-to-end pipeline 성격을 띤다. 대규모 data processing과 curation, synthetic data generation, reinforcement learning, evaluation을 하나의 워크플로로 연결해 vision AI agent, robotics, autonomous vehicle 모델 개발에 쓰도록 설계됐다. 특히 rare edge case와 long-tail scenario를 현실 세계에서 직접 수집하는 대신 simulated data와 automated filtering으로 보완하겠다는 접근이 핵심이다.

구성 요소와 생태계

NVIDIA는 Cosmos Curator, Cosmos Transfer, Cosmos Evaluator를 blueprint의 핵심 축으로 제시했다. Curator는 대규모 real-world 및 synthetic dataset을 정제하고, Transfer는 데이터를 확장하며, Evaluator는 물리적 정확성과 학습 적합성을 검증한다. 여기에 OSMO orchestration framework를 더해 compute 환경 전반의 workflow를 관리한다. OSMO가 Claude Code, OpenAI Codex, Cursor 같은 coding agent와 통합된다는 점도 눈에 띈다.

• Microsoft Azure와 Nebius가 cloud infrastructure 측면에서 blueprint 제공
• FieldAI, Hexagon Robotics, Linker Vision, Milestone Systems, Skild AI, Uber, Teradyne Robotics 등이 초기 활용 사례로 제시
• NVIDIA는 Alpamayo vision language action model 학습과 평가에도 이 blueprint를 사용 중
• 목표는 physical AI용 training data의 대량 생산과 자동 검증

이 발표가 중요한 이유는 physical AI 경쟁의 중심이 model demo에서 data flywheel로 이동하고 있기 때문이다. Robotics와 autonomous driving에서는 작은 오류도 바로 현실 세계 리스크로 이어지기 때문에, 더 많은 데이터보다 더 잘 선별되고 검증된 데이터가 필요하다. NVIDIA는 blueprint, cloud partnership, orchestration tool을 묶어 physical AI 개발의 기본 인프라를 장악하려 하고 있으며, 이는 향후 humanoid robotics와 industrial autonomy 시장의 진입 속도를 크게 바꿀 수 있다.