콘텐츠로 이동

Radar — 대기열 / 관찰 목록

⏳ 검토 필요

이 페이지의 updated(2026-09)가 volatility '높음' 기준(1개월)을 1개월 초과했습니다. 내용 검토 후 updated를 갱신하세요. (갱신 규칙)

최종 갱신: 2026-09 · owner: Youngjin · volatility: 높음 ← index로

L0 TL;DR: 원문·재현·현장 검증이 더 필요한 후보 목록이다. 수록 기준을 모두 확인하고 owner가 사용 범위를 검토해야 본문으로 승격한다. 자동 스캔은 승격을 승인하지 않는다.

⚠️ 여기 있는 항목을 고객 제안에 "성숙한 역량"처럼 쓰지 말 것. 화려한 데모가 배포 가능성을 가리는 경우가 많다.

검토 범위: 페이지 수정일은 모든 기술 항목의 재검증일이 아니다. 핵심 정정의 확인일·재현/사람 검토 상태는 근거 기록에 있으며, 기존 항목의 개별 확인일은 그대로 적용한다.

🔬 모델 / 알고리즘 (검증 대기)

항목 라벨 요점 승격 조건
Physical Intelligence π0.7 🔵 Research ✨ 주목: π0/π0.5로 VLA 선두권인 PI가 2026-04 조합적 일반화(미학습 태스크 수행, 예: 에어프라이어 조리) 연구 데모를 공식 발표 — 가중치 공개·GA 시 업계 기준점을 다시 옮길 수 있음
⏳ 대기: PI 공식 발표(2026-04-16, 복수 매체가 PI 블로그·Sergey Levine 인용) [4] — 연구 데모일 뿐 가중치 비공개(openpi 공개는 π0/π0.5까지), 복잡한 다단계 지시 수행은 PI 자체도 한계 인정. 2026-10-24: 기존 "차기 플래그십 루머" 표현이 부정확해 "공식 연구 데모 확인"으로 정정(이번 세션 physicalintelligence.company DNS 차단으로 1차 페이지 직접 확인은 불가 — 복수 독립 매체 교차 확인) 2026-11-04: 1차 페이지(pi.website/blog/pi07, "Published April 16, 2026")와 openpi README(π0.5까지 공개)를 직접 확인 — 공식 발표 사실은 [1], 성능 주장은 여전히 미검증		 가중치 공개 또는 GA + 독립 성능 검증
World-action models (DreamZero → GR00T N2) 🟡 Preview ✨ 주목: VLA 다음 세대로 거론되는 "행동까지 생성하는 월드모델" 축 — NVIDIA 로드맵의 방향 지표
⏳ 대기: GR00T N2 "연말 예정", DreamZero는 연구		 GA + 실배포 사례
Google DeepMind Genie 3 (로봇 학습용 월드모델1) 🟡 Preview ✨ 주목: 프론티어급 월드모델을 로봇 정책 학습 데이터원으로 쓰려는 시도 — 성사 시 실데이터 병목 우회
⏳ 대기: 월드모델 자체는 프리뷰, 로봇 학습 적용은 연구		 로봇 정책 학습 검증 사례
VLM 기반 SysID2 (Vid2Sid, Swim2Real) 🔵 Research ✨ 주목: 영상만으로 물리 파라미터를 추정해 시뮬 보정을 자동화 — sim-to-real 수작업 캘리브레이션을 없앨 가능성
⏳ 대기: 2026 프리프린트, 단일 랩		 peer-review + 재현
VIRAL / VideoMimic / Real2Render2Real (visual sim-to-real3 at scale) 🔵 Research ✨ 주목: 일반 영상에서 시뮬 환경·시연을 재구성하는 visual sim-to-real — 데이터 수집 비용 구조를 바꿀 후보
⏳ 대기: CVPR/CoRL 연구, 프로덕션 아님		 프로덕션 배포 증거
Robbyant LingBot-VLA / UnifoLM-VLA-0 🔵 Research ✨ 주목: 중국발 신규 오픈 VLA 계열 — 오픈 가중치 경쟁 구도 관찰용
⏳ 대기: 2차 출처, 검증 없음		 1차 확인 + AWS 매핑

🖥️ 시뮬레이션 / 도구 (성숙도 대기)

항목 라벨 요점 승격 조건
Genesis 물리엔진4 ⚪ Hype ✨ 주목: "초고속 범용 물리엔진" 주장으로 화제 — 사실이면 GPU 시뮬 비용 구조가 바뀜
⏳ 대기: "430,000배" 반박됨 [1], 접촉 조작서 느림		 독립 벤치 + 프로덕션 채택
MuJoCo Warp 🟡 Alpha ✨ 주목: MuJoCo 정확도 + GPU 병렬화 결합 — Isaac 일강 구도의 대안 후보
⏳ 대기: PyPI classifier "3-Alpha" [1], 프로덕션 아님		 Beta/GA 전환
NVIDIA Newton 물리엔진 🟡 Preview ✨ 주목: Google DeepMind·Disney Research와 공동 개발하는 차세대 오픈소스 물리엔진 — Isaac 생태계의 차기 표준 유력
⏳ 대기: Isaac Sim 6.0서 experimental 백엔드		 GA + Isaac Lab 3.0 정식
Isaac Sim 6.0 🟡 Preview ✨ 주목: Newton 통합 등 차세대 구조 개편 — 현행 5.x 스택의 마이그레이션 방향 지표
⏳ 대기: "Early Developer Release", API 변동 (최신 GA는 5.1)		 6.x GA 선언
Cosmos 3 as sim-to-real 학습원 🟢 GA(모델)/🔵(실전) ✨ 주목: 월드모델 생성 데이터로 실배포 정책을 학습하는 축 — 성사 시 SDG 파이프라인 판도 변화
⏳ 대기: 모델 GA지만 "월드모델 데이터로 실배포 정책 학습"은 얼리어답터만. ⚠️ AWS 미호스팅		 AWS 매핑 강화 + 학습 검증

🤖 하드웨어 / 배포 (로드맵·데모)

항목 라벨 요점 승격 조건
Tesla Optimus V3 ⚪ Hype ✨ 주목: 화제성 최대의 휴머노이드 양산 계획 — 고객 질문 빈도가 가장 높은 항목
⏳ 대기: Musk 주장뿐, 생산 미시작		 검증된 배포
Hyundai·BD 전기식 Atlas ⚪ 로드맵 ✨ 주목: 현대차그룹의 양산 로드맵(2028부터 3만 대/년) — 한국 고객 접점에서 가장 직접적인 휴머노이드 트랙
⏳ 대기: 전기식 Atlas 제품 버전 공개(2026-07, BD 공식 [3]). 배포 2.5만+대·양산능력 3만/년 모두 2028 시작, 현재 실가동 ~0. 2026은 소규모 파일럿만(현대 RMAC + Google DeepMind). ⚠️ "5세대"는 오칭		 실가동 출하 시작
Apptronik Apollo 2 + Robot Park 🟡 파일럿 ✨ 주목: Mercedes·GXO 실운영 파일럿 + Google DeepMind 데이터 파트너십 — 휴머노이드 상용화 최전선 지표
⏳ 대기: Mercedes-Benz·GXO 운영 파일럿 [3] + Google DeepMind Gemini Robotics 데이터 파트너십(9만 sqft). 자율·상용 확산 미검증. AWS 매핑은 일반적(데이터→S3/SageMaker), 파트너십 자체는 Google [4]		 상용 배포 규모 + 자율 성과 검증
1X Neo 자율성 🟡 Preview ✨ 주목: 가정용 휴머노이드를 실제 판매($20k)하는 첫 사례군 — 원격조작 혼합 운용 모델의 시험대
⏳ 대기: 자율+VR 원격조작(Expert Mode) 혼합 운용 — CEO 직접 인정 (Engadget [3]). "자율 60~70%" 수치는 1차 출처 없음 [4]		 진짜 자율 검증
Figure 03 "8시간 자율 시프트" ⚪ Hype ✨ 주목: 검증된 BMW 파일럿 실적 위의 자율성 주장 — 사실이면 산업 휴머노이드 자율성 기준 갱신
⏳ 대기: CEO 트윗, 독립 검증 없음 (Figure 02@BMW는 검증 파일럿)		 3자 자율성 감사
Cosmos 3 채택 (Doosan/LG/Samsung) 🟢 GA(발표) ✨ 주목: 한국 대기업 3사의 채택 발표 — 한국 고객 대화에서 바로 나오는 레퍼런스
⏳ 대기: 채택 "발표"지 프로덕션 검증 아님		 프로덕션 사례 공개

🔗 에이전트 / 연결 (초기)

항목 라벨 요점 승격 조건
MCP5 for robotics (ros-mcp-server 등) 🔵 Research ✨ 주목: 에이전트 표준 프로토콜을 로봇 스킬에 잇는 실험 급증(50+ 서버) — AgentCore 연계 각도
⏳ 대기: 50+ 서버 있으나 오픈소스/데모, 프로덕션 없음 (안전·지연·결정성 미검증)		 프로덕션 하드닝 사례
ROS 26 + LLM 에이전트7 (NASA JPL ROSA, RAI) 🔵 Research ✨ 주목: NASA JPL ROSA 등 실조직 검증 사례 보유 — 자연어→로봇 운영의 가장 현실적인 진입로
⏳ 대기: ROSA(JPL)가 최강 실사례지만 mock-ops. 현장 배포 제한적		 현장 프로덕션 배포
에이전트 물리안전 표준 (RoboGuard 등) 🔵 Research ✨ 주목: LLM 의미 수준 위험을 다루는 표준 공백 지대 — 규제·조달 요구사항으로 부상 가능
⏳ 대기: ISO는 물리만, LLM 의미 위험 표준 부재		 표준화 진전
AgentCore Payments / Agent Registry (서울) 🟡 Preview/미제공 ✨ 주목: 로봇 에이전트 상거래·등록 인프라의 AWS 네이티브 축 — 서울 리전 오픈 시 즉시 제안 가능
⏳ 대기: 서울 리전 미제공 — Agent Registry는 도쿄 ✅, Payments는 도쿄에도 미제공(APAC은 시드니만) [1]		 서울 리전 확장

🆕 최신 스캔 유입 (2026-11-04 · 링크·1차 출처 대조 2026-09-27)

항목 라벨 요점 승격 조건
NEURA Robotics 4NE1 / Neuraverse × AWS (독일 풀스택 로보틱스, AWS 전략적 협업) ⚪ 로드맵 ✨ 주목: AWS가 Neuraverse의 주 클라우드 공급자로 플랫폼을 호스팅하고 NEURA Gym 훈련 파이프라인을 SageMaker와 통합, NEURA가 AWS 파트너 네트워크(APN)로 GTM을 확장 — 서비스명이 명시된 AWS 파트너십으로 Radar 내 유럽 휴머노이드 트랙
⏳ 대기: AWS·NEURA 공식 발표(2026-04-21, press.aboutamazon.com) [4] — Amazon 풀필먼트센터 배치는 원문 표현이 "explore opportunities"(검토)일 뿐 실배포 아님. 시리즈C 최대 14억 달러(2026-06-10, Amazon·NVIDIA·Tether 등 참여, 자사 표현 "풀스택 로보틱스 사상 최대") + IFA 2026 베를린 키노트(2026-09-05)로 화제 갱신, 3자 검증 없음. 🔗 링크 200 · 원문 대조 2026-09-27. AWS 각도: 공식 협업(SageMaker·APN 명시)		 Amazon 풀필먼트센터 등 실배포 사례 공개 + 독립 성능 검증
RLWRLD RLDX-1 (81억 파라미터 덱스터리티8 파운데이션 모델, AWS에서 학습) 🔵 Research ✨ 주목: KAIST 출신 서울 스타트업의 오픈 로보틱스 파운데이션 모델을 AWS Physical AI 블로그(2026-06-22)가 직접 소개 — EC2 p5e/p5en(H200)·ParallelCluster·FSx for Lustre로 학습, 5지 핸드 정밀 조작 특화, 코드·가중치 GitHub 공개(CC BY 4.0) — NEURA와 함께 Radar 내 AWS 공식 협업 사례이자 한국발 트랙. 2026-10-28 AWS 블로그 2편(파트너십·마켓플레이스 등재, 새 소식 참고)으로 후속 진전
⏳ 대기: arXiv 기술 리포트(2026-05-05) + AWS 블로그 [4] — 시뮬 벤치 6종·실기 3플랫폼 자체 측정치(GR-1 Tabletop 58.7 vs GR00T N1.6 47.6 = +11.1p, 표 1(b); ALLEX 실기 86.8% vs π0.5·GR00T N1.6 약 40%; SIMPLER 81.5%는 AWS 블로그 인용), 독립 재현·peer-review 없음 — 자체 공표치, 고객 인용 금지. AWS 관계는 학습 인프라 + Generative AI Accelerator 참여(2025-10) 단계, 실배포는 롯데호텔앤리조트 2030 목표(안전 검증 조건부). 🔗 링크 200 · 원문 대조 2026-09-27. AWS 각도: AWS 블로그 사례(EC2·ParallelCluster·FSx) · 🇰🇷 한국 접점		 독립 벤치마크 재현 + 실배포 사례 공개
Robotic Data Inoculation (UC Berkeley, 사람이 텔레옵하는 동안 온라인 강화학습으로 학습한 보정 정책이 명령을 미세하게 교란해, 사람이 실시간으로 바로잡은 복구 시연까지 함께 모으는 데이터 수집 전략) 🔵 Research ✨ 주목: 사람 텔레옵 데이터의 고질적 한계(복구 시연 부족)를 수집 단계에서부터 보정 정책으로 메움 — Mulligan(어떤 초기 상태를 더 모을지 고르는 축)과 달리 "수집 중 명령 자체를 어떻게 흔들지"를 다루는 신규 데이터 수집 축, 오늘 스캔한 로봇학습 논문 중 데이터 수집 분야 최상위(alphaXiv 44표/406회)
⏳ 대기: arXiv 프리프린트(2026-10-28) [4] — Franka 단일 플랫폼·3개 정밀 조작 과제(t-cube·cable·keycap)에서 BC/오프라인 RL 정책 성공률 개선(예: cable BC 37%→66%)은 전부 UC Berkeley 단일 랩 자체 측정치, 독립 재현·peer-review 없음 — 자체 공표치, 고객 인용 금지. 🔗 링크는 이번 세션 전역 egress 차단(arxiv.org DNS/연결 불가)으로 curl 200 미검증 — alphaXiv 원문(ID 2610.39054) 전체 교차 확인으로 대체. AWS 각도: 없음(UC Berkeley 단일 리서치, AWS 서비스 연계 없음)		 독립 재현 + 추가 플랫폼·태스크 확장 검증
LG×NVIDIA 휴머노이드 MOU (LG의 이족보행 휴머노이드, NVIDIA Isaac GR00T·Jetson Thor·Halos for Robotics 기반, 2027년 1분기 공개 목표) ⚪ 로드맵 ✨ 주목: LG가 그룹 차원(LG전자 액추에이터·LG이노텍 센서·LG에너지솔루션 배터리)에서 NVIDIA Isaac GR00T·Jetson Thor·Halos 안전 스택으로 자체 이족보행 휴머노이드를 개발한다고 2026-08-13 MOU 발표 — 기존 radar의 "Cosmos 3 채택"(Doosan/LG/Samsung, 소프트웨어 채택 발표)과 달리 LG가 하드웨어 휴머노이드 자체 생산까지 선언한 별개 트랙, 한국 고객 대화에서 바로 나올 수 있음
⏳ 대기: LG·NVIDIA MOU·개발 계획 발표뿐 [4], 실물 공개는 2027년 1분기(CES 공개 거론) 목표이며 현재 실가동 0. 자체 로봇 파운데이션 모델(RFM) 병행 개발도 로드맵 단계. 🔗 링크 200 · 2026-10-24 로컬 확인(PR Newswire 원문 제목 일치) — 내용은 유입 시 복수 독립 매체(koreajoongangdaily·eweek·digitaltrends 등) 교차 확인 기준. AWS 각도: 없음(NVIDIA·LG 양자 협력) · 🇰🇷 한국 접점		 실물 공개(2027 Q1) + 자율 성능 검증
AWS Physical AI Toolchain (AWS 공식 오픈소스 Physical AI 레퍼런스 아키텍처·IaC·배포 자동화, NVIDIA Isaac/GR00T/Cosmos 통합) 🟢 GA(오픈소스) ✨ 주목: AWS가 로봇·태스크 비종속 Physical AI 레퍼런스 아키텍처(Terraform/CDK)·배포 자동화를 공식 aws-samples로 공개 — EC2(G6e/P5)·SageMaker·EKS·AWS Batch(EFA)·S3·FSx for Lustre에 NVIDIA Isaac Sim·Isaac Lab·GR00T(N1.6)·Cosmos·OSMO를 결선, Radar 내 여러 축(World-action models·Isaac Sim 6.0·Cosmos 3·GR00T 라이선스)을 AWS 인프라로 한 번에 묶는 가장 직접적인 AWS 공식 사례
⏳ 대기: AWS 공식 블로그(2026-10-07/08 추정, aws.amazon.com/blogs/physical-ai) + GitHub 공개(Apache-2.0) [4] — "aws-samples" 저장소로 공식 지원 보장 없음, README 컴포넌트 표에서 Isaac Lab Arena Evaluation은 Preview·Jetson 엣지 배포는 Planned, 실고객 프로덕션 채택 사례 미확인. 🔗 링크 200 · 2026-10-24 로컬 확인 — GitHub 공식 저장소 + AWS 공식 블로그 원문 접속 확인(유입 세션은 egress 제한으로 미검증, 이슈 #20). AWS 각도: AWS 자체 공식 오픈소스(최고 등급)		 실고객 프로덕션 채택 사례 공개 + AWS 공식 블로그 1차 접속 검증
Real-Time EXPO-FT (Stanford, 대형 VLA의 비동기 추론 지연을 경량 보정 정책과 chunk 단위 RL 크리틱으로 보정하는 지연 인식 실시간 정책 보정 프레임워크) 🔵 Research ✨ 주목: π0.5 베이스 VLA가 최대 167ms 추론 지연을 안고도, 지연 구간 action chunk를 비동기로 미리 생성하고 최신 관측으로 경량 정책이 보정하는 구조로 동적 조작(공 받기·축구공 차기 등)에서 10분 미만의 온라인 로봇 데이터만으로 실기 성공률을 12.5/30→29/30까지 끌어올림 — Radar 🔬 VLA 축에 "추론 지연·실시간성" 신규 축 추가, 오늘 스캔한 로봇학습 논문 중 투표·조회수 최상위(alphaXiv 273표/18,981회, 기존 유입 항목 대비 압도적)
⏳ 대기: arXiv 프리프린트(2026-09-16) [4] — Stanford 단일 랩 자체 측정치, 실기 4개 태스크·단일 로봇 플랫폼 한정, sparse 이진 보상용 태스크별 성공 판정기 의존, 환경 리셋에 사람 개입, 독립 재현·peer-review 없음 — 자체 공표치, 고객 인용 금지. 🔗 링크는 이번 세션 전역 egress 차단(arxiv.org DNS 불가)으로 curl 200 미검증 — alphaXiv 원문(ID 2609.18207) 전체 교차 확인으로 대체. AWS 각도: 없음(Stanford 단일 리서치, AWS 서비스 연계 없음)		 독립 재현 + 전체 VLA 파이프라인(현재는 state-based flow policy 시뮬 검증 위주) 확장 검증
SimVLA (연세대·서울대 공동연구, 텔레옵 없이 시뮬레이션 데이터만으로 사전·후학습해 모바일 매니퓰레이션에 zero-shot sim-to-real 전이하는 VLA) 🔵 Research ✨ 주목: 한국 대학(연세대·서울대) 공동연구가 시뮬레이션 전용 데이터(행동 궤적·VQA식 시각-언어 감독·정책 롤아웃)만으로 학습한 VLA를 실제 가정 환경까지 추가 학습 없이 전이 — 실데이터 수집 없는 모바일 매니퓰레이션 sim-to-real 가능성을 보여주는 한국발 연구 사례, Radar 🔬 visual sim-to-real 축에 한국 학계 트랙 추가
⏳ 대기: arXiv 프리프린트(2026-10-08) [4] — 실가정 포함 실기 전이에서 실데모 50개로 파인튜닝한 π0.5 베이스라인을 능가했다는 주장은 전부 저자 자체 측정치, 단일 연구실·소수 태스크(재고채우기·따르기·청소) 한정, 독립 재현·peer-review 없음 — 자체 공표치, 고객 인용 금지. 🔗 링크 200 · 2026-10-24 로컬 확인(arXiv 제목 일치) — 내용은 유입 시 alphaXiv 원문 교차 확인 기준(유입 세션은 egress 차단으로 curl 불가). AWS 각도: 없음 · 🇰🇷 한국 접점(연세대·서울대)		 독립 재현 + 가정 외 환경 확장 검증
Mulligan (균등 샘플링 대신 정책이 아직 실패하는 초기 상태 위주로 다음에 수집할 텔레옵 에피소드를 고르는 성능 기반 로봇 데이터 수집 전략) 🔵 Research ✨ 주목: 텔레옵 데이터 수집을 "예산을 리셋 분포에 비례 배분"에서 "정책이 아직 실패하는 상태 위주로"로 바꿔 같은 수집 예산 대비 실기 성공률을 끌어올림 — Radar 데이터 파이프라인 축(FIBER·UniWALM 등)에 "무엇을 어떻게 더 모을까"라는 수집 전략 축 추가, 오늘 스캔한 로봇학습 논문 중 투표·조회수 최상위(alphaXiv 60표/394회)
⏳ 대기: arXiv 프리프린트(2026-10-05) [4] — 실기 성공률 향상치(Franka Panda 3개 태스크, 최종 라운드 기준 INSERT MARKER +34p는 통계적으로 유의하나 THREAD NUT·ROUTE CABLE 최종 라운드는 유의성 미달)는 전부 Stanford 단일 랩 자체 측정치, 단일 로봇 플랫폼(DROID)·3개 태스크 한정, 독립 재현·peer-review 없음 — 자체 공표치, 고객 인용 금지. 🔗 링크는 이번 세션 전역 egress 차단(arxiv.org DNS 불가)으로 curl 200 미검증 — alphaXiv 원문(ID 2610.05882) 교차 확인으로 대체. AWS 각도: 없음(Stanford 단일 리서치, AWS 서비스 연계 없음)		 독립 재현 + 추가 플랫폼·태스크 확장 검증
ThinkWorld (NVIDIA·KAIST 공동연구, 동작 라벨 없는 사람 영상까지 "예측한 미래 세계 상태가 관측과 맞는가"로 강화학습 지도해 VLA의 사람→로봇 전이·미지 과제 일반화를 끌어올리는 Chain-of-Dynamics 프레임워크) 🔵 Research ✨ 주목: 로봇 전용 시연 데이터의 다양성 한계를 사람 영상(EgoDex·EgoVerse)으로 보완하되, 동작 라벨이 없는 영상도 미래 상태 예측 정확도로 직접 지도학습해 사람→로봇 전이·미지 과제 일반화를 시뮬+실기에서 시연 — 오늘 스캔한 로봇학습 논문 중 투표·조회수 최상위(alphaXiv 53표/595회)
⏳ 대기: arXiv 프리프린트(2026-10-27) [4] — NVIDIA·KAIST 공동연구, 보고된 일반화 성능은 전부 저자 자체 측정치, 시뮬+소수 실기 플랫폼 한정, 독립 재현·peer-review 없음 — 자체 공표치, 고객 인용 금지. 🔗 링크는 이번 세션 전역 egress 차단(arxiv.org·alphaxiv.org DNS/연결 불가)으로 curl 200 미검증 — alphaXiv 원문(ID 2610.37666) 교차 확인으로 대체. AWS 각도: 없음(NVIDIA·KAIST 공동연구, AWS 서비스 연계 없음)		 독립 재현 + 추가 플랫폼·태스크 확장 검증
FLORE (Amazon FAR) (UMI9 방식 로봇-프리 시연으로 접촉력까지 함께 기록해, 인간형 로봇이 접촉력과 전신 동작을 동시에 제어하도록 학습하는 force-reactive loco-manipulation 프레임워크) 🔵 Research ✨ 주목: 기존 전신 제어가 동작(위치) 추적에 그쳤던 것과 달리 접촉력을 시연에서부터 기록·예측·추적해 박스 돌리기·보드 닦기 같은 접촉 집약 과제를 가능케 함 — UniWALM에 이어 Radar 내 Amazon FAR 소속 연구 축에 "접촉력 제어" 신규 사례 추가
⏳ 대기: arXiv 프리프린트(2026-10-26) [4] — Unitree G1 실기 3개 과제(가대 밀기·박스 회전·보드 닦기, 과제당 10회 롤아웃) 성공률(80% vs 위치만 쓰는 베이스라인 26.7%)은 전부 Amazon FAR 자체 측정치, 단일 플랫폼·3개 태스크 한정, 독립 재현·peer-review 없음 — 자체 공표치, 고객 인용 금지. 🔗 링크는 이번 세션 전역 egress 차단(arxiv.org DNS/연결 불가, alphaxiv.org도 연결 불가)으로 curl 200 미검증 — alphaXiv 원문 전체(ID 2610.35862, 저자·방법·수치)를 MCP로 직접 대조해 대체. AWS 각도: Amazon 자체 리서치(FAR), AWS 서비스 연계 없음		 독립 재현 + 추가 플랫폼·태스크 확장 검증

종료·가입 제한 — 상태별 확인

항목 상태 대체
AWS IoT FleetWise 신규 고객 가입 제한, 기존 고객 이용 가능 [1] 신규 로봇 기본 옵션에서 제외 — 근거
AWS RoboMaker 🔴 종료 (2025-09-10) [1] EC2 G6e/G7e + Isaac Sim AMI + AWS Batch
SageMaker Edge Manager 🔴 종료 (2024-04-26) [1] ONNX + IoT Greengrass V2 (+ SageMaker Neo)
IoT Greengrass V1 🔴 종료 (2026-06-01) [1] Greengrass V2
Gazebo Classic 11 🔴 EOL (2025-01) [1] Gazebo Jetty/Harmonic
Trainium for VLA ⚪ 공개 사례 없음 [4] 현재 CUDA/NVIDIA (제안 시 리스크 명시)

⚠️ 루머 주의(사실 아님): "AWS IoT TwinMaker 폐기" 는 오정보 — TwinMaker는 GA·신규 오픈(저속도). SiteWise 유지보수와 혼동한 3rd-party 블로그 주장. 반복 금지. → pillar-3.

승격 절차 (요약)

  1. 캡처: 지정 채널/이모지로 후보 수집
  2. 필터: 수록 조건을 모두 확인하고 출시·근거·용도·지원 범위를 분리한다.
  3. 통과 시: 담당 필러 owner가 표준 템플릿으로 편입, Radar에서 제거
  4. 미달 시: 여기 한 줄로 유지, 승격 조건 명시

전체 파이프라인 → maintenance.

owner: Youngjin · updated: 2026-09 · volatility: 높음 (Radar는 본질적으로 빠르게 변함 — 월 단위 검토 권장)

  1. 월드 파운데이션 모델(WFM, World Foundation Model) — 물리 세계의 다음 장면을 예측·생성하도록 학습된 대형 모델. 텍스트·영상 프롬프트로 물리적으로 그럴듯한 영상·시나리오를 만들어 로봇 학습 데이터를 증강한다. 🎥 NVIDIA Cosmos 소개 ↩

  2. 시스템 식별(SysID, System Identification) — 실물 로봇의 물리 파라미터(마찰·질량·모터 응답)를 측정해 시뮬레이터를 실물에 맞게 보정하는 작업. ↩

  3. sim-to-real — 시뮬레이션에서 학습한 정책을 실제 로봇으로 옮기는 것, 또는 그 방법론. 시뮬레이션과 현실의 물리·시각 차이(도메인 갭) 때문에 그냥 옮기면 성능이 무너진다. 🎥 NVIDIA sim-to-real 로보틱스 쇼케이스 ↩

  4. 물리 엔진(physics engine) — 강체 동역학·접촉·마찰·충돌을 수치적으로 계산하는 시뮬레이터의 핵심 소프트웨어. 엔진의 정확도·속도 트레이드오프가 시뮬레이터 선택(Isaac/MuJoCo/Genesis)을 좌우한다. ↩

  5. MCP (Model Context Protocol) — 에이전트와 툴·데이터 소스를 잇는 개방형 표준 프로토콜. "에이전트용 USB-C"에 비유되며, 로봇 스킬을 MCP 서버로 노출하는 실험이 늘고 있다. ↩

  6. ROS 2 (Robot Operating System 2) — 로봇 소프트웨어의 사실상 표준 오픈소스 미들웨어. 센서·제어 노드들이 토픽(topic)으로 통신하는 분산 구조로, 산업·연구 로봇 스택의 공용 기반이다. ↩

  7. LLM 에이전트 — 대형 언어 모델이 스스로 계획을 세우고 툴(API·로봇 스킬)을 골라 호출하며 다단계 작업을 수행하는 소프트웨어. 단순 질의응답과 달리 "행동"이 있다는 점이 핵심이다. ↩

  8. 덱스터리티(dexterity) — 로봇 손·팔이 사람 손처럼 정교하고 섬세하게 물체를 다루는 능력. 단순 그리퍼의 집기·놓기와 달리, 5지 핸드로 물체를 돌리거나 도구를 조작하는 등 접촉이 많고 복잡한 조작을 뜻한다. ↩

  9. UMI(Universal Manipulation Interface) — 로봇을 쓰지 않고 사람이 손에 쥔 그리퍼(카메라·힘센서 포함)로 동작·접촉력을 기록해 로봇 시연 데이터를 만드는 방식. 로봇 자체를 돌리지 않아도 되므로 데이터 수집 비용과 안전 부담을 크게 낮춘다. ↩