OpenAI Robotics, 세계 시뮬레이션 연구를 로봇 제조 조직으로 전환
원문: OpenAI Robotics shifts world simulation into robot manufacturing push 원문 보기 →
OpenAI의 로봇 전략이 연구 데모에서 제조와 현장 배치까지 겨냥한 조직으로 이동하고 있다. Sam Altman은 2026년 5월 31일 X에서 OpenAI Robotics가 하드웨어, 운영, 시스템, ML 엔지니어를 채용한다고 밝혔고, 해당 글은 FxTwitter 기준 조회수 216만 회와 좋아요 1만1400건 이상을 기록했다.
그는 핵심 목표를 "skilled workers"를 돕는 로봇으로 설명했다. 원문은 단순한 채용 공고보다 범위가 넓다. 단기적으로는 미래 인프라를 짓는 숙련 노동자를 지원하는 로봇, 장기적으로는 개인이 필요한 일을 맡길 수 있는 개인 로봇을 상정한다. 독자는 원문 전체를 Sam Altman의 X 글에서 확인할 수 있다.
중요한 대목은 조직의 출발점이다. Altman은 Aditya Ramesh가 이끈 world simulation 연구 프로그램이 지난 1년 동안 OpenAI Robotics로 발전했다고 썼다. Ramesh는 DALL-E 계열 이미지 생성 연구로 알려진 인물이다. 이미지와 비디오 모델에서 축적한 세계 모델링 역량을 로봇의 계획, 지각, 조작으로 옮기려는 흐름으로 볼 수 있다.
OpenAI가 로봇을 완전히 처음 다루는 것은 아니다. 2017년에는 시뮬레이션으로 학습한 로봇 시스템을 실제 로봇에 배치하는 연구를 공개했고, 이후 Dactyl 같은 손 조작 연구로 주목받았다. 그러나 당시의 로봇 연구는 범용 모델 경쟁이 본격화되기 전의 별도 실험에 가까웠다. 이번 글은 로봇 하드웨어와 ML 연구의 공동 설계를 전제로 삼는다는 점에서 더 제품 지향적이다.
다음 관전점은 채용 공고가 실제 하드웨어 반복 속도로 이어지는지다. 로봇은 언어 모델처럼 서버에서만 개선되지 않는다. 센서, 액추에이터, 안전 검증, 제조 공급망, 현장 데이터 수집이 모두 병목이 된다. OpenAI Robotics가 인프라 작업자를 먼저 겨냥한 것도 이 때문이다. 좁은 작업 범위에서 신뢰성을 확보하지 못하면 개인 로봇이라는 장기 목표는 구호에 머물 가능성이 크다.
관련 기사
Hugging Face가 $399짜리 오픈소스 이족 보행 로봇 Microduck을 공개했다. 강화학습으로 새 동작을 직접 학습시킬 수 있으며, 걷기·물건 집기·롤러스케이트까지 가능한 25cm 크기의 소형 로봇이다.
베이징 세계 휴머노이드 로봇 게임에서 Tiangong Ultra가 8.86초를 기록, 인간 세계기록(9.58초)을 0.72초 앞섰다. 사흘 전 세워진 이전 로봇 기록 9.39초마저 단숨에 뛰어넘었다.
UBTECH, Galbot, AgiBot 등 중국 업체들이 BYD·Foxconn·CATL에 수백억 원 규모 수주를 달성했다. VLA 아키텍처 덕분에 별도 재학습 없이 언어 지시만으로 작업 전환이 가능한 점이 핵심 경쟁력으로 꼽혔다.