aiagentx aiagentx

1. 세계 최초 오픈 휴머노이드 로봇 파운데이션 모델 ‘Isaac GR00T N1’ 발표핵심 내용: NVIDIA가 GTC 2025에서 세계 최초의 오픈 휴머노이드 로봇 파운데이션 모델인 Isaac GR00T N1을 공개했습니다nvidianews.nvidia.com. 이 모델은 완전 맞춤형이 가능하며 인간형 로봇에 일반화된 추론 및 스킬을 제공해 로봇 개발을 가속화할 것으로 기대됩니다nvidianews.nvidia.com. 또한 NVIDIA는 Google DeepMind 및 Disney Research와 협력해 로봇 개발을 위한 차세대 오픈소스 물리 엔진 '뉴턴(Newton)'을 개발하고, Omniverse 기반 합성 데이터 생성 블루프린트 등 새로운 시뮬레이션 도구들도 선보였습니다nvidianews.nv..

주요 기업 발표 및 제품 출시날짜기관요약발표 링크2025-02-12라쿠텐 그룹일본어 특화 대규모 언어모델 공개: 라쿠텐 그룹이 새로운 일본어 특화 대규모 언어 모델(LLM) **「Rakuten AI 2.0」**과 소형 모델 **「Rakuten AI 2.0 mini」**를 공개하고 무상 제공을 시작했습니다innovatopia.jpinnovatopia.jp. Rakuten AI 2.0은 8개의 70억 파라미터 전문가 모델로 구성된 Mixture-of-Experts (MoE) 아키텍처를採用하여, 일본어 벤치마크에서 업계 최고 수준의 성능을 달성했고 일본어와 영어를 모두 지원합니다innovatopia.jp. 두 모델은 Apache 2.0 라이선스로 공개되어 기업이 상업적으로 무료 활용 가능하며, 특히 경량 모델..

langchain은 LLM 기반 애플리케이션 개발을 용이하게 하는 프레임워크로, 프롬프트 체인 구성, 메모리, 다양한 랭기지 모델 및 툴 연동을 지원합니다. Langchain은 “체인(chain)”이라는 추상화로 LLM 호출 단계를 연결하고, 다양한 메모리 전략과 도구를 플러그인 형태로 붙여나가는 방식입니다.langgraph와의 차이를 정리하면 다음과 같습니다.• langchain은 체인(직선적 또는 함수형 체계)에 집중하고, langgraph는 그래프 구조를 통한 유연한 워크플로우 표현에 초점을 둡니다.• langchain은 코드 중심으로 체인을 정의하는 반면, langgraph는 그래프 기반 시각화와 노드/엣지 개념으로 복잡한 흐름을 명확히 표현할 수 있습니다.• langchain은 명령형 스타일에 ..

테슬라 AI 데이 2022에서 발표된 FSD Lanes Neural Network는, 차량 주변의 차선 정보를 단순 2D 선분이 아니라 3차원 구조와 연결 정보까지 포함해 “언어(language)”처럼 이해·추출하려는 테슬라의 새롭고 확장된 접근법입니다. 이때 핵심 개념 중 하나로 Vision Map Language가 등장하는데, 이는 시각 정보(카메라로부터 얻은 장면)를 하나의 “지도 언어”로 간주하여, 교차로·합류 차선·유턴 차선 등 복잡한 차선 구조를 체계적으로 표현하고 학습하기 위한 테슬라 내부의 신경망 프레임워크를 의미합니다.아래에서는 1) FSD Lanes가 기존 접근과 어떻게 다른지, 2) Vision Map Language가 어떤 식으로 동작하며 FSD Lanes에 기여하는지, 3) 전체적..

테슬라, 워싱턴 D.C.에서 휴머노이드 ‘옵티머스’ 공개 (3월 26일) – 테슬라는 3월 말 미국 의회에서 열린 로봇 심포지엄에 자사의 이족보행 휴머노이드 로봇 **Optimus(옵티머스)**를 전시하며 시연했다​axios.com. 이 행사는 미 의원 및 보좌진들에게 미래 기술을 소개하는 자리로, 테슬라는 **“미래를 엿볼 수 있는 기회”**라며 인간형 로봇의 발전상을 직접 선보였다.일론 머스크 “연말까지 테슬라 공장에 옵티머스 수천 대 투입” (4월 20일경) – 일론 머스크 테슬라 CEO는 4월 말 주주 행사에서 **“올해 말까지 테슬라 공장에서 일하는 옵티머스 로봇을 수천 대 수준으로 늘릴 것”**이라고 공언했다​techcrunch.com. 또한 그는 향후 4~5년 내에 연간 수백만 대 규모로 생..

로봇과 같이 복잡한 시스템의 행동 학습에는 계층적 강화학습(Hierarchical RL, HRL)이 큰 도움이 됩니다. 계층적 RL은 상위 정책(high-level policy)과 하위 정책(low-level policy)의 두 가지 수준으로 정책을 분리하여 학습하는 방법입니다. 상위 정책은 추상적인 의사결정을 담당하고, 하위 정책은 구체적인 제어를 담당하여 두 계층이 협력합니다​.예를 들어, 물건을 집어서 옮기는 로봇을 생각해보면, 상위 정책은 “어떤 물건을 집어 어디에 놓을 것인가”와 같은 계획을 세우고, 하위 정책은 “로봇 팔을 어떤 각도로 움직이고 손가락을 어떻게 조작할 것인가”를 수행하는 식입니다​[medium.com]. 상위 정책이 큰 그림을 그리면, 하위 정책이 세부 동작을 실행하는 구조인 ..

모델 프리(Model-Free) 강화학습과 모델 기반(Model-Based) 강화학습은 에이전트가 환경을 학습하는 방식의 큰 분기점입니다​[spinningup.openai.com]. 모델 프리 RL에서는 에이전트가 환경의 모델(상태 전이나 보상에 대한 예측)을 명시적으로 학습하거나 사용하지 않고, 시행착오(trial-and-error)를 통해 정책을 직접 학습합니다. 반면 모델 기반 RL에서는 환경의 동작을 예측하는 모델을 활용하여 앞으로 일어날 일을 시뮬레이션 하거나 계획함으로써 결정할 행동을 학습합니다​. 예를 들어, PPO(Proximal Policy Optimization)나 DDPG(Deep Deterministic Policy Gradient) 같은 알고리즘은 모델 없이도 환경에서의 경험 데이..

1) 테슬라의 E2E(End-to-End) 지향• 전통적인 자율주행 파이프라인(객체 인식→지도 매칭→경로 계획→제어)을 최소화하고, “카메라 입력 → 차량 제어”를 단일 신경망 혹은 소수 네트워크로 묶어 학습하는 방향을 추구합니다.[8][9]• 테슬라 AI Day 등에서 강조된 “사람이 만든 모듈 규칙보다 AI가 직접 최적화하는 것이 효율적”이라는 철학이 반영된 결과입니다. 2) 장점• 중간 라벨이나 지도 의존도 없이, 막대한 실도로 데이터를 통해 “안전 주행” 목표에 직접 최적화할 수 있습니다.• 데이터가 쌓일수록 성능이 빠르게 향상되어, OTA 업데이트만으로도 상당한 개선이 이루어집니다. 3) 유의점• 블랙박스 구조로 인해, 실패 사례가 발생했을 때 원인을 찾기 어렵다는 점이 지적됩니다.[9]• FS..