휴머노이드 로봇

865 FP4 TFLOPS를 절반 크기·전력대에 넣은 Jetson T3000이 로봇 엣지 AI의 비용선을 낮춘다. Cosmos 3 Edge와 agent skills까지 묶이며 휴머노이드와 산업용 로봇의 온디바이스 추론 경쟁이 더 가까워졌다.

LiDAR도 depth sensor도 쓰지 않는 8B navigation 모델이 robotics 쪽에서 눈에 띄는 수치를 냈다. Robostral Navigate는 unseen R2R-CE에서 76.6% success rate를 기록하며 multi-sensor 접근보다 높은 성능을 주장한다.

NVIDIA와 Hugging Face가 Isaac GR00T 1.7, Isaac Teleop, 데이터셋, 로봇 워크플로를 LeRobot에 연결했다. 1,600만 Hugging Face AI 빌더와 300만 NVIDIA 로봇 개발자가 같은 오픈 파이프라인을 쓰게 되는 구조다.

Google DeepMind는 Apptronik의 Apollo 2 humanoid가 Gemini Robotics 학습용 real-world data를 수집한다고 밝혔다. 연결된 Robot Park 페이지는 Austin의 거의 90,000-square-foot 시설을 설명한다.

가격보다 더 날카로운 질문은 원격 지원이다. HN 댓글은 “무엇을 자율로 처리하고, 언제 사람이 들어오느냐”를 파고들었다.

휴머노이드 로봇 검증이 데모 동작에서 공장 물류 공정으로 이동하고 있다. Figure는 Figure 03이 BMW Group Plant Spartanburg에서 물류 워크플로를 시작했다고 밝혔고, BMW 자료는 이 공장이 11,000명 이상이 일하는 1,000만 제곱피트 생산 거점이라고 설명한다.

Figure 내부의 로봇 보유 수가 처음으로 직원 수를 넘어섰다. Brett Adcock이 공유한 차트는 2026년 로봇 대수가 급격히 늘고, 인력 곡선은 수백 명대에서 완만해진 흐름을 보여준다.

Anthropic의 Project Fetch 2단계는 코딩 에이전트가 물리 로봇 작업으로 확장될 때의 속도 격차를 보여줬다. Opus 4.7 단독 실행은 작년 Opus 4.1 지원 인간팀보다 약 20배 빠른 기록을 냈지만, 실제 공 가져오기는 실패했다.

Qwen이 로봇용 foundation model을 navigation, manipulation, world modeling 세 갈래로 묶었다. Qwen-RobotNav, Qwen-RobotManip, Qwen-RobotWorld는 physical AI의 병목을 “인식”에서 “행동”으로 옮겨 놓는 release다.

휴머노이드 경쟁에서 짧은 성공 장면보다 반복 시험 시간이 더 중요한 지표가 되고 있다. Brett Adcock은 F.03이 계단을 오르내리는 2시간 타임랩스를 공개했고, 영상은 69분 분량으로 게시됐다.

물리 AI 경쟁은 모델 성능표를 넘어 실제 로봇 배치 생태계로 이동 중이다. Google DeepMind는 유럽 스타트업 15곳에 3개월 동안 AI stack, Gemini Robotics 모델, 팀 지원을 제공한다고 밝혔다.

NVIDIA가 Omniverse, Cosmos, Isaac, Metropolis, Alpamayo를 agent가 호출할 수 있는 open source physical AI skill로 묶었다. Pegatron 67%, Delta 17%, Foxconn 3% 같은 제조 현장 수치가 함께 제시됐다.