#robotics

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.

로봇과 에이전트 계획에서 고정된 world model이 흔들리는 문제를 줄이는 연구다. AdaJEPA는 MPC 재계획마다 관측 전이를 이용해 1번의 gradient step과 최근 5개 전이 버퍼로 모델을 보정한다.

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

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.

실시간 캐릭터 애니메이션과 로봇 동작 생성이 같은 모델 구조로 묶였다. NVIDIA Research는 MotionBricks가 35만 개 이상 동작 클립을 단일 신경망 백본으로 처리하고 15,000 FPS를 낸다고 공개했다.

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.

NVIDIA가 Cosmos 3 Super와 Nano를 공개하며 물리 AI용 오픈 omnimodel 경쟁을 키웠다. 기술 블로그는 6개 합성데이터 세트, Hugging Face 체크포인트, GitHub 학습 레시피를 함께 제시했다.

NVIDIA가 Unitree H2 Plus, Sharpa 5-finger hands, Jetson AGX Thor T5000을 묶은 open humanoid reference design을 공개했다. 75 degrees of freedom, 2,070 FP4 TFLOPS, 약 3시간 배터리가 연구실의 비교 가능한 humanoid 실험 기준을 겨냥한다.