Radar — 대기열 / 관찰 목록¶
최종 갱신: 2026-08 · owner: Youngjin · volatility: 높음 ← index로
L0 TL;DR: 포함 기준(2.5 THE FILTER)을 아직 통과 못했지만 지켜볼 것들. 각 항목은 한 줄 — 성숙도 라벨 + 왜 주목받는지 + 왜 대기 중인지. 게이트(4개 중 2개)를 통과하면 담당 필러 owner가 표준 템플릿으로 승격한다.
⚠️ 여기 있는 항목을 고객 제안에 "성숙한 역량"처럼 쓰지 말 것. 화려한 데모가 배포 가능성을 가리는 경우가 많다.
🔬 모델 / 알고리즘 (검증 대기)¶
| 항목 | 라벨 | 요점 | 승격 조건 |
|---|---|---|---|
| Physical Intelligence π0.7 | 🔵 Research | ✨ 주목: π0/π0.5로 VLA 선두권인 PI의 차기 플래그십 루머 — 나오면 업계 기준점을 다시 옮길 수 있음 ⏳ 대기: 2차 출처만 [4], PI 1차 확인 없음 |
PI 공식 릴리스 + 성능 검증 |
| GR00T N1.6 / N1.7 상업 라이선스 | 🟡→ | ✨ 주목: 상업 허용이 사실이면 고객 제안에 쓸 수 있는 희귀한 오픈 VLA가 됨(N1.5는 비상업이라 제안 불가) ⏳ 대기: 상업 허용 주장이 2차 출처뿐 [4] (N1.5는 모델카드상 명백 비상업 [1]) |
라이브 모델 카드에서 라이선스 확정 |
| 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 (2026-09-05 · 1차 검증 완료 2026-07-21)¶
| 항목 | 라벨 | 요점 | 승격 조건 |
|---|---|---|---|
| Walden Robotics (Toyota Research Institute 스핀아웃, Large Behavior Models9 휴머노이드) | 🟡 파일럿 | ✨ 주목: TRI 로보틱스를 이끈 Russ Tedrake의 스핀아웃 + 시드 3억 달러 — LBM 상용화 최전선, Toyota 공장 실파일럿 보유 ⏳ 대기: 회사 공식 발표(2026-07-15) [4] — 2026-01 TRI에서 스핀아웃(창업자 Russ Tedrake, 전 TRI SVP), Toyota·Deviation Capital 공동 리드 + NVIDIA·Boeing·Samsung Ventures 등 참여 시드 3억 달러(밸류 11억 달러). 휴머노이드 상반신+이동형 베이스, Diffusion Policy10·Large Behavior Models 기반 정책으로 노스아메리카 Toyota 공장에서 2026-02부터 파일럿→"프로덕션 전환" 자체 주장, 3자 검증 없음 |
3자 감사·독립 검증 + 배포 규모 확대 사례 |
| Xiaomi-Robotics-1 (VLA8 파운데이션 모델, UMI11 10만+시간 실세계 궤적) | 🔵 Research | ✨ 주목: UMI 10만+시간 실세계 궤적이라는 데이터 스케일로 4개 벤치 SOTA 주장 — 중국 빅테크의 VLA 경쟁 본격 진입 신호 ⏳ 대기: Xiaomi 공식 arXiv 발표(2607.15330, 2026-07-16) [4] — Qwen3-VL 기반 MoT(VLM+DiT), RoboCasa365(57.4%, 기존 SOTA 46.6%↑) 등 4개 벤치마크 SOTA 자체 주장(RLDX-1·GR00T N1.6 포함 비교, 독립 재현 없음). ⚠️ 정정(2026-08-10): 2026-08-03 GitHub에 코드·체크포인트(base 5B + RoboCasa/RoboCasa365/VLABench 태스크별 3종) 실공개 확인 — Apache-2.0(RLDX-1과 달리 상업 이용 명시 허용, AWS 매핑 가능성). 리포 자체 리더보드 수치는 arXiv 발표치와 표기 방식이 달라 직접 대조 필요, 독립 재현·실배포는 여전히 0 |
독립 벤치마크 재현 + 실배포 사례 |
| Gemini Robotics 2 (Google DeepMind, 전신 제어 VLA) | 🟡 Preview | ✨ 주목: 프론티어 랩 VLA가 상체 조작을 넘어 전신(보행·양손 협응) 제어로 확장 — 경쟁 스택 지형을 바꾸는 세대 전환 신호 ⏳ 대기: 공식 발표(2026-07-30) [4] — 기존 상체 전용 제어에서 전신(보행·굽힘·양손 협응) 제어로 확장, 추론 모델 Gemini Robotics ER 2·엣지 모델 On-Device 2 동반 출시. Apptronik Apollo 2 실기 데모(전구 분리 92% 성공)로 시연, 자체 벤치·독립 검증 없음. ER 2만 AI Studio/Enterprise Agent Platform 프리뷰 공개, VLA·On-Device 2는 얼리액세스 파트너 한정. ⚠️ pillar-2 "Gemini Robotics" 경쟁 스택 절은 이 발표 이전(2026-07 확인, ER 1.6/On-Device/1.5 기준) 스냅샷 — pillar owner 갱신 필요 |
얼리액세스 종료·GA 공개 + 독립 벤치마크 검증 |
| 엑스와이지(XYZ) DEUX (BrainX·GloveX·TwinX로 잇는 "Physical AI Data Flywheel" 기반 양팔 세미휴머노이드) | 🟡 Preview | ✨ 주목: 한국 스타트업이 자사 카페·배달 로봇 상용 운영(바리스타 로봇 100만+ 주문 처리)에서 나오는 실데이터로 BrainX를 학습하고, 텔레옵 수집 장치 GloveX → 디지털 트윈 TwinX 검증 → 실기 재적용까지 잇는 자체 데이터 플라이휠 구조 — 한국 고객 접점에서 바로 나올 수 있는 로컬 Physical AI 데이터 파이프라인 사례 ⏳ 대기: 서울 라운지엑스 성수본점에서 실증 시작(2026-07-27) [4] — 32DoF 양팔+3지 핸드, 시리즈B 130억원 투자(2026-03). DEUX 상용 출시는 2026 하반기 예정, GloveX 외부 판매는 2026년 말 예정으로 둘 다 아직 미출시. 자율 성능·규모 배포 미검증 |
실증 확대 + 자율 성능 독립 검증 |
| ROBOTIS AI Sapiens K1 (DYNAMIXEL-Q 기반 오픈소스 휴머노이드 플랫폼) | 🟡 Preview | ✨ 주목: 한국 기업 ROBOTIS의 오픈소스 휴머노이드 — 스마트폰 영상만으로 K-pop 안무를 학습(비디오 모션캡처→리타게팅→시뮬 RL→sim-to-real)해 시연, NVIDIA Kimodo로 텍스트→모션 생성까지 통합한 확장도 공개 — 한국 고객 접점에서 바로 나올 수 있는 로컬 오픈 휴머노이드 사례 ⏳ 대기: GitHub 공식 저장소( ROBOTIS-GIT/ai_sapiens, Apache-2.0) [4] — ROS 2 패키지(로봇 기술 정보·컨트롤러 인터페이스·sim2real 툴)는 이미 공개, 영상→모션 생성 전체 파이프라인의 오픈소스화는 ROBOTIS 자체 예정 발표뿐(일정 미확정). K-pop 안무 시연은 자체 데모, 독립 검증·실배포 사례 없음 |
전체 파이프라인 공개 완료 + 독립 검증 |
| AWS-NVIDIA Physical AI 인프라 확장 (Amazon Robotics × NVIDIA 협업) | ⚪ 로드맵 | ✨ 주목: AWS 자신이 물리 AI 인프라(시뮬레이션·SDG12·로봇 훈련·기능안전·real-to-sim 검증, GPU 가속 EC2)를 Amazon Robotics 차세대 로봇 개발에 투입한다고 공식 발표 — Radar 사상 가장 직접적인 "AWS 자사" 물리 AI 사례 ⏳ 대기: 2026-08-26 AWS·NVIDIA 공동 발표 [4](1차 출처 press.aboutamazon.com/nvidianews.nvidia.com, 다수 2차 매체 교차 확인) — NVIDIA GPU 200만 대 추가 도입(2027~2028)의 일부. Jetson·Omniverse·Isaac 플랫폼 활용 범위만 공개, Amazon Robotics 구체 로봇·정량 성과·서비스명 미공개 — 로드맵 단계, 실배포 0 |
구체 로봇/서비스 공개 + AWS 서비스 매핑 확정 |
| LG × NVIDIA 이족보행 휴머노이드 + CLOiD | ⚪ 로드맵 | ✨ 주목: 한국 대기업(LG)이 NVIDIA와 MOU 체결 — Jetson Thor·Isaac GR00T·Halos(로보틱스 안전 프레임워크) 기반 이족보행 휴머노이드를 2027 1분기 공개 예정 + 휠형 CLOiD를 테네시 세탁기 공장에 2026년 내 실전 검증 투입 — 한국 고객 대화에서 바로 인용 가능한 로컬 대기업 트랙(현대·BD Atlas와 유사한 각도) ⏳ 대기: 2026-08-13 MOU 체결 공식 발표(LG Corp 구광모 회장·Jensen Huang 참석) [4]. CLOiD 테네시 투입은 2026년 내지만 검증 단계(상용 규모 아님), 이족보행 휴머노이드는 시제품 미공개(2027-Q1 공개 예정) — 현재 실가동 0 |
이족보행 휴머노이드 실기 공개 + CLOiD 공장 검증 결과 공개 |
| GHOST (온보드 카메라만으로 1인이 로봇 2대를 동시 원격조작하는 VR 텔레옵) | 🔵 Research | ✨ 주목: Brown University(Tellex lab)가 Amazon 자금 지원으로 개발 — 외부 모션캡처 없이 온보드 RGB-D만으로 1인 오퍼레이터가 Boston Dynamics Spot 2대를 동시에 VR로 원격조작, IEEE RA-L 게재(peer-review 통과). 초보자 성공률 1.6~4배, 전문가 작업 속도 1.47배 개선 실측 — 텔레옵 기반 로봇 데이터 수집 파이프라인 비용을 낮출 수 있는 오픈소스 사례 ⏳ 대기: arXiv 2608.29080(2026-08-29, IEEE RA-L 2026-08 accept) [4] — 전문가 평가자가 논문 저자 3인 자신(편향 가능), 초보자 평가 n=15(9개 태스크 중 2개만 수행), Boston Dynamics Spot 하드웨어 전용·전용 Wi-Fi 환경(프로덕션 신뢰성 미검증) |
독립 사용자 평가 확대 + 다양한 하드웨어·네트워크 환경 검증 |
| Perceptron Isaac 0.5 (오픈 웨이트 임바디드 파운데이션 모델, 360억 파라미터) | 🔵 Research | ✨ 주목: 영상 이해·임바디드 추론·로봇 제어를 단일 스파스 백본에 통합한 오픈 웨이트 모델 — 35개+ 로봇 시스템·10만+시간 로봇 경험·100만 시간 영상·3T 멀티모달 토큰으로 학습, π0.5·GR00T N1.7 대비 우위를 자체 주장하며 코드·가중치를 함께 공개(코드 Apache-2.0) ⏳ 대기: 회사 공식 발표 + GitHub 공식 저장소(2026-08-27/28, ex-Meta 연구진 스타트업 Perceptron AI) [4] — 자체 벤치, 독립 재현·peer-review 없음. 가중치 자체의 라이선스 조건은 Hugging Face 저장소 별도 표기(접속 미확인) |
독립 벤치마크 재현 + 실배포 사례 |
| ABEJA×무라타제작소 GR00T N1.7 양팔 로봇 PoC (VLA 기반 물리AI 기술검증) | 🟡 Preview | ✨ 주목: 일본 제조 대기업 무라타제작소가 NVIDIA GR00T N1.7(상업 라이선스 오픈 VLA)로 양팔 로봇의 부품 주고받기·자세 전환·삽입 연속 동작을 실기로 검증 — 상업 라이선스 오픈 VLA를 실제 제조 대기업이 검증한 초기 사례, 실험실 자동화 각도 ⏳ 대기: ABEJA·무라타제작소 공식 발표(2026-08-31, PR TIMES) [4] — 텔레옵 시연 수백 건으로 모방학습, 검증(테스트) 환경 실기 성공. 생산 규모 배포·자율 성능 독립 검증 없음. ⚠️ 링크는 공식 PR TIMES 배포분이나 이번 실행 환경의 egress 제한으로 curl 200 수동 검증 미수행(커밋 메시지·이슈 참조) |
실 생산 라인 배포 + 독립 검증 |
⚰️ 폐기됨 — 제안 금지 (기록 보존용)¶
| 항목 | 상태 | 대체 |
|---|---|---|
| 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)¶
- 캡처: 지정 채널/이모지로 후보 수집
- 필터: 2.5 게이트 적용 (4개 중 2개 이상)
- 통과 시: 담당 필러 owner가 표준 템플릿으로 편입, Radar에서 제거
- 미달 시: 여기 한 줄로 유지, 승격 조건 명시
전체 파이프라인 → maintenance.
owner: Youngjin · updated: 2026-08 · volatility: 높음 (Radar는 본질적으로 빠르게 변함 — 월 단위 검토 권장)
-
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 ↩
-
시스템 식별(SysID, System Identification) — 실물 로봇의 물리 파라미터(마찰·질량·모터 응답)를 측정해 시뮬레이터를 실물에 맞게 보정하는 작업. ↩
-
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 ↩
-
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. ↩
-
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. ↩
-
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. ↩
-
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. ↩
-
VLA (Vision-Language-Action) — 카메라 영상(Vision)과 자연어 지시(Language)를 입력받아 로봇의 동작(Action)을 직접 출력하는 파운데이션 모델. "컵을 집어"라고 말하면 관절 움직임을 생성하는 식. 🎥 NVIDIA Isaac GR00T N1 소개 ↩
-
Large Behavior Models (LBM) — LLM의 "로봇 행동" 판. 대규모 시연 데이터로 학습해 여러 매니퓰레이션 태스크를 한 모델로 수행하는 로봇 파운데이션 모델을 가리키는 Toyota Research Institute의 용어. ↩
-
Diffusion Policy — 이미지 생성에 쓰이는 확산(diffusion) 모델로 로봇 동작 시퀀스를 생성하는 정책 아키텍처. 여러 갈래의 시연 데이터를 안정적으로 학습해 모방학습의 사실상 표준이 됐다. ↩
-
UMI (Universal Manipulation Interface) — 로봇 없이, 사람이 카메라 달린 휴대형 그리퍼를 손에 쥐고 시연 데이터를 모으는 수집 방식. 로봇 투입 없이 실세계 데이터를 대량 확보할 수 있다. ↩
-
합성 데이터 생성(SDG, Synthetic Data Generation) — 시뮬레이터로 학습용 이미지와 주석(라벨)을 자동 생성하는 기법. 라벨링 비용이 0에 수렴하는 것이 최대 장점. 🎥 Isaac Sim Replicator SDG 튜토리얼 ↩