엔비디아·파트너, CoRL서 정밀 작업 로봇 시뮬레이션 훈련 공개

로봇연구에서 이동보다 정밀한 조작이 새 격전지로 떠오르고 있다. 이번 주 미국 텍사스 오스틴에서 열린 로봇학습콘퍼런스에서 엔비디아와 파트너들은 시뮬레이션과 지능형 작업자동화를 결합한 오픈 로봇기술을 공개했다. 발표는 걸음, 바퀴, 점프를 넘어 기어 정렬, 케이블 연결, 소형 부품 조립처럼 미세한 힘을 요구하는 작업에서 로봇을 학습하고 평가하며 배포하는 흐름을 보여준다. 엔비디아는 두 편의 논문이 수천 편 중 최우수논문상 후보 여섯 편에 오른 가운데, 시뮬레이션 기반 정밀조작과 적응형 자율성을 산업 현장으로 옮기기 위한 기술을 제시했다. 핵심은 주변을 인식하고 행동이 환경을 어떻게 바꾸는지 예측하며 여러 단계 작업을 수행하는 세계행동모델이다. 새로 공개한 그루트 2는 코스모스 기반 오픈 모델로, 로봇과 인간 데이터를 학습해 정교한 손 조작 기술을 배울 수 있게 한다. 이 모델은 주요 벤치마크에서 상위권에 올랐고, 세탁물 처리, 서버 제조 자동화, 산업용 활용 시험에 쓰인다. 강화학습으로 후학습한 모델은 이더넷 케이블 교체 작업에도 적용됐다. 학습 규모를 키우는 기반은 시뮬레이션이다. 오픈 로봇학습프레임워크 아이작 랩 3.0은 훈련환경을 빠르게 구성하고, 물리엔진 뉴턴과 기존 피직스를 전환하며, 지각 기반 훈련과 강화 후학습을 지원한다. 뉴턴과의 정밀 통합으로 케이블, 천, 여러 관절이 맞물리는 로봇손 같은 변형체와 복잡한 기계 구조를 다룬다. 이를 통해 여러 로봇을 병렬로 훈련하고, 특정 시나리오에서 기존 대비 최대 2.5배 빠른 처리량을 확보했다. 파트너들은 새로운 강체 물리엔진, 전신 조종기 훈련, 비정형 현장 정책 검증, 사실적 렌더링 기반 제조와 물류 시험에도 이 기술을 활용한다. 한 정책으로 20개 정밀 조립 과제를 배우는 사례는 모의훈련의 효율을 보여준다. 이 사례는 98퍼센트 이상의 학습 성공률을 달성했고, 각 과제별 정책보다 39배 적은 연산 시간을 사용했다. 핵심은 절반 성공률에 가까운 과제에 연습을 집중하는 성공유도선택이다. 이 방식은 병렬 환경을 백만 개 이상 확장하는 데 기여한다. 대학도 실제 하드웨어 없이 가상 환경에서 로봇 기술을 가르치는 데 시뮬레이션을 활용한다. 기술을 실제로 옮기려면 반복 평가가 필수다. 아이작 랩 아레나 0.4는 개발자가 다양한 조건을 반복 가능한 평가로 조합해 수천 개 변형에서 정책을 시험하고 실패 원인을 분석할 수 있게 한다. 새로 공개된 덱스벤치와 바바는 산업 작업을 대상으로 손재주와 적응력을 측정한다. 덱스벤치는 유통, 물류, 제조, 접객 등 네 장면 15개 과제를 담고, 바바는 표준 변형과 난이도, 성공 지표가 있는 여섯 과제를 평가한다. 마지막은 지능형 작업자동화다. 그래프형 작업자동화틀은 개별 기술을 로봇 프로그램으로 연결하고, 시뮬레이션으로 검증하며 실패를 반영해 개선한다. 이런 접근은 연구진이 데이터를 줄이면서도 검증 가능한 프로그램을 만드는 데 도움을 준다. 파트너들은 산업 자동화 전반에서 흐름을 실험하고 있다. 이번 발표는 정밀조작, 시뮬레이션, 평가, 프로그램화 파이프라인을 묶어 실험실 데모를 실외 운영으로 잇는 시도다.