엔비디아, 'GR00T N2' 공개… 영상 예측으로 로봇 동작 생성하는 월드 액션 모델에 승부

엔비디아가 2026년 3월 16일 GTC 기조연설에서 차세대 로봇 파운데이션 모델 'Isaac GR00T N2'를 처음 공개했다. 젠슨 황 최고경영자(CEO)가 직접 소개한 이 모델은 자사 연구 프로젝트 DreamZero에서 나온 '월드 액션 모델' 구조를 채택했다. 엔비디아는 GR00T N2가 새로운 환경의 새로운 과제에서 기존 선도 비전 언어 행동(VLA) 모델보다 두 배 이상 자주 성공한다고 밝혔다. 출시 시점은 2026년 말로 제시했다.

엔비디아는 이날 함께 30억 파라미터 규모의 휴머노이드용 추론형 VLA 모델 'GR00T N1.7'을 상업 라이선스와 함께 얼리 액세스로 내놨다. 휴머노이드(Humanoid), LG전자, 뉴라로보틱스(NEURA Robotics), 노블머신즈(Noble Machines)가 이 모델을 도입한다고 회사 측은 전했다. 합성 세계 생성과 비전 추론, 행동 시뮬레이션을 하나로 묶은 첫 월드 파운데이션 모델 'Cosmos 3'와 새 물리엔진 Newton 1.0 기반의 'Isaac Lab 3.0'도 발표했다. 엔비디아는 GR00T N2가 범용 로봇 정책 순위표인 MolmoSpaces와 RoboArena에서 1위에 올라 있다고 주장했다.

N2의 바탕이 된 논문은 2026년 2월 17일 arXiv에 프리프린트로 올라온 'World Action Models are Zero-shot Policies'다. 엔비디아의 Seonghyeon Ye, Joel Jang 연구원과 로봇 연구를 이끄는 린시 '짐' 판(Linxi Fan), 위커 주(Yuke Zhu)가 저자로 참여했다. DreamZero는 140억 파라미터 자기회귀 비디오 확산 모델이다. 엔비디아 개발자 블로그에 따르면 공개 모델 Wan 2.1 이미지-투-비디오 14B에서 출발했고, 하나의 트랜스포머가 영상 토큰과 행동 토큰을 함께 생성한다. 로봇이 카메라에 비칠 다음 장면을 예측하는 과정에서 다음 동작까지 같이 뽑아낸다는 뜻이다.

논문 수치를 보면 차이는 뚜렷했다. 애지봇(AgiBot)의 양팔 이동형 로봇 G1으로 22개 환경에서 약 500시간 분량 데이터를 학습한 결과, 학습한 과제의 평균 진척도는 62.2%로 사전학습 VLA 기준선의 27.4%를 웃돌았다. 처음 보는 과제에서는 39.5% 대 16.3%였다. 비교 대상은 엔비디아 자체 모델 GR00T N1.6과 피지컬인텔리전스(Physical Intelligence)의 pi0.5였다. 연구진은 GB200에서 병렬화, 캐싱, CUDA 그래프, NVFP4 양자화 등을 적용해 추론 지연을 5.7초에서 150밀리초로 38배 줄였고, 그 결과 초당 7회(7Hz) 폐루프 제어가 가능해졌다고 밝혔다. 가중치와 추론 코드는 깃허브에 공개됐다.

로봇 간 전이 성능도 눈에 띈다. 논문에 따르면 사람 1인칭 영상 12분이나 YAM 로봇팔 영상 20분만 추가해도 처음 보는 과제 성능이 상대적으로 42% 넘게 올랐다. 애지봇 데이터로 학습한 모델은 30분 분량의 자유 조작 데이터만으로 YAM 로봇에 적응하면서도 제로샷 능력을 유지했다.

GTC 발표는 엔비디아가 2026년 1월 5일 CES에서 내놓은 전략의 연장선이다. 당시 엔비디아는 전신 제어를 지원하는 휴머노이드용 공개 VLA 'GR00T N1.6'을 공개하고, 블랙웰 기반으로 FP4 1,200테라플롭스와 64GB 메모리를 갖춘 로봇용 모듈 '젯슨 T4000'을 1,000개 구매 기준 1,999달러에 출시했다. 엔비디아는 자사 로봇 개발 스택을 쓰는 개발자가 200만 명이라고 밝혔다. 모델은 공개하거나 싸게 풀고, 학습과 시뮬레이션, 로봇 탑재 추론은 엔비디아 칩에서 돌게 하는 구조다.

생태계도 넓어졌다. 엔비디아는 화낙, ABB로보틱스, 야스카와, 쿠카 등 누적 설치 대수 200만 대가 넘는 산업용 로봇 4사가 옴니버스와 Isaac 시뮬레이션을 가상 시운전 도구에 넣고 있다고 밝혔다. 애지봇은 산업용 휴머노이드에 GR00T N 모델을 채택하고, 스킬드AI(Skild AI)와 도요타리서치인스티튜트(TRI)는 Cosmos 3를 도입한다. 삼성은 라이트휠(Lightwheel)과 함께 조립 로봇의 케이블 처리를 위해 Newton 엔진을 보정하고 있다고 엔비디아는 전했다.

한국 업계에는 선택의 문제가 걸려 있다. LG전자는 GR00T N1.7 도입사로 이름을 올렸고 삼성은 시뮬레이션 단계에서 엔비디아 엔진을 쓴다. 엔비디아 모델 위에 제품을 얹으면 개발 속도는 빨라지지만, 로봇의 판단을 맡는 핵심 계층을 외부에 의존하게 된다. 경쟁사인 스킬드AI는 1월 14일 140억 달러 이상의 기업가치로 14억 달러를 유치하며 독자 '로봇 두뇌'를 키우고 있고, 구글 딥마인드는 Gemini Robotics 계열 VLA를 내세우고 있다.

과제는 비용과 속도다. 엔비디아가 이후 개발자 블로그에서 공개한 자체 비교에 따르면 월드 액션 모델의 추론 시간은 행동 묶음당 590밀리초와 800밀리초로 pi0.5의 190밀리초보다 3~4배 느렸다. 논문의 7Hz 제어도 데이터센터용 GB200에서 달성한 수치다. 순위표 1위는 엔비디아 자체 주장이고, 프리프린트는 동료 심사를 거치지 않았으며, GR00T N2는 1분기 말까지 출시되지 않았다.