NVIDIA 리서치가 국제로봇자동화학회(ICRA) 2026에서 총 28편의 논문을 발표하며 시뮬레이션-실세계 전이(sim-to-real transfer)를 로봇 자율화의 핵심 기반으로 제시했다. 발표 논문들은 다중 로봇 팔 협업, 범용 이동 정책, 클러터 환경 파지, 정밀 조립, 비전-언어-액션(VLA) 모델 추론 등 로봇 개발자가 직면한 전 스택의 난제를 망라한다.
이번 공개 연구 가운데 ‘ScheduleStream’은 GPU 병렬 연산을 활용해 다수의 로봇 팔이 동시에 경로를 계획하고 동작할 수 있도록 스케줄링 구조를 재설계한 프레임워크다. 기존 순차 처리 방식 대비 다중 팔 계획 시나리오에서 3배 속도 향상을 달성했으며, 코드는 GitHub에 공개됐다. 이동 로봇의 범용 내비게이션을 위한 ‘COMPASS’ 정책 프레임워크는 모방학습과 잔차 강화학습을 결합해 이종 로봇 폼팩터에 맞는 전문 정책을 생성한다. 실세계 로봇 데이터를 전혀 사용하지 않고 NVIDIA Isaac Lab 시뮬레이션만으로 학습한 결과, 실험 성공률이 기준 대비 4.5배 향상됐으며 자율이동로봇(AMR)과 휴머노이드를 포함한 실세계 20회 시험에서 약 80%의 성공률을 기록했다.
파지 연구에서는 ‘Grasp-MPC’가 목표물에 접근하는 과정에서 실시간으로 파지 동작을 보정하는 적응형 제어 방식을 채택했다. GraspGen 데이터셋과 CUDA 가속 모션 계획 라이브러리 cuRobo를 활용해 8천 개 객체에서 200만 건의 시뮬레이션 궤적을 생성해 학습한 결과, 클러터 환경의 실물 로봇 파지 성공률이 기준치 41%에서 약 75%로 높아졌다. 정밀 조립 분야에서는 ‘SPARR’이 시뮬레이션 기반 전략 정책과 실하드웨어 보정 레이어를 분리 운용하는 방식으로 조립 성공률을 기준 대비 38% 높이고 사이클 타임을 약 30% 단축했다. NIST 조립 과제에서는 인간 개입 없이 성공률이 약 75% 향상돼 인루프 방식에 근접하는 결과를 보였다.
NVIDIA는 이번 연구들의 공통 흐름으로 “시뮬레이션-실세계 전이가 실험실 외부에서도 적응하고 일반화할 수 있는 로봇의 기반이 되고 있다”는 점을 꼽았다. COMPASS와 NVIDIA Omniverse NuRec를 연결하면 신규 환경의 디지털 트윈에서 사전 검증 후 실배포하는 워크플로우도 가능하다고 밝혔다. 로봇공학 연구에서 시뮬레이션의 역할이 데이터 생성 도구에서 전주기 검증 플랫폼으로 확장되는 흐름을 이번 발표가 재확인한 셈이다.
