[Techmeme 요약] 엔비디아, AI 코딩 에이전트 활용 로봇 자율 학습 프레임워크 'ENPIRE' 공개
11
설명
엔비디아 연구진이 최소한의 인간 개입으로 로봇의 물리적 작업 능력을 스스로 향상시키는 새로운 프레임워크 'ENPIRE'를 개발했습니다. 이 기술은 AI 코딩 에이전트가 로봇에게 GPU 장착이나 케이블 절단 같은 복잡한 작업을 가르치도록 설계되었습니다.
ENPIRE는 2026년 6월 16일 연구 논문으로 공개되었으며, OpenAI의 Codex, Anthropic의 Claude Code, Moonshot AI의 Kimi Code 등 다양한 AI 모델과 함께 테스트되었습니다.
이 프레임워크는 로봇 훈련의 효율성을 극대화하고, 인간의 감독 없이도 로봇이 스스로 학습하고 발전할 수 있는 가능성을 보여줍니다.
### 배경 설명
최근 인공지능(AI) 기술은 단순히 정보를 분석하고 생성하는 것을 넘어, 실제 물리적인 세계와 상호작용하는 로봇을 제어하고 훈련하는 영역으로 확장되고 있습니다. 특히, 로봇이 복잡하고 정교한 작업을 수행하기 위해서는 방대한 양의 학습 데이터와 반복적인 훈련 과정이 필수적입니다. 하지만 이러한 과정은 상당한 시간과 비용, 그리고 인간 전문가의 개입을 요구합니다.
엔비디아(Nvidia)가 개발한 ENPIRE(Agent Harness Framework)는 이러한 한계를 극복하기 위한 시도입니다. ENPIRE는 AI 코딩 에이전트(AI coding agents)라는 일종의 AI 소프트웨어 에이전트들이 로봇을 훈련시키는 과정을 자동화하고 최적화하는 프레임워크입니다. 여기서 AI 코딩 에이전트는 프로그래밍 코드를 작성하고 이해하는 능력을 갖춘 AI를 의미합니다. 이들은 로봇의 행동을 제어하는 알고리즘을 개발하고, 실제 로봇을 통해 실험하며, 그 결과를 바탕으로 스스로 학습하고 개선하는 과정을 반복합니다. 이러한 '에이전트 하네스(agent harness)'는 AI 모델이 다양한 도구를 사용하고, 기억하며, 맥락을 이해하고, 피드백을 통해 학습할 수 있도록 돕는 소프트웨어 환경을 제공합니다.
### ENPIRE, 로봇 자율 학습의 새로운 지평을 열다
엔비디아 GEAR(Generalist Embodied Agent Research) 연구소와 카네기 멜런 대학교, UC 버클리 연구진이 협력하여 개발한 ENPIRE는 AI 코딩 에이전트가 로봇에게 물리적인 작업을 가르치는 과정을 자동화합니다. 이 프레임워크는 네 가지 주요 모듈로 구성됩니다. 첫째, 작업의 자동 재설정 및 검증을 수행합니다. 둘째, 로봇 행동을 안내하는 정책(policy)을 개선합니다. 셋째, 여러 대의 물리적 로봇이 병렬로 작업하는 환경에서 이러한 정책을 평가합니다. 넷째, 로그를 분석하고 연구 논문을 학습하며 훈련 인프라 및 알고리즘 코드를 개선하여 실패를 해결합니다. 2026년 6월 16일에 공개된 연구 논문에 따르면, ENPIRE는 OpenAI의 Codex (GPT-5.5), Anthropic의 Claude Code (Opus 4.7), Moonshot AI의 Kimi Code (Kimi K2.6)와 같은 AI 코딩 에이전트들과 함께 테스트되었습니다. 이 에이전트들은 독립적으로 다양한 로봇 훈련 알고리즘을 개발하고, 실제 실험을 통해 성공률을 높이는 변화를 유지했습니다.
### AI 에이전트, 로봇 훈련에서 놀라운 성과 달성
ENPIRE를 활용한 AI 코딩 에이전트들은 로봇의 자율적인 자기 개선 전략을 개발하여 여러 조작 작업에서 99%의 성공률을 달성했습니다. 여기에는 T자 모양 블록을 목표 위치로 이동시키는 'Push-T' 작업, 핀 상자 정리, 케이블 타이 묶고 자르기, 그래픽 처리 장치(GPU)를 마더보드에 장착했다가 다시 분리하는 작업 등이 포함됩니다. 특히 핀 삽입 및 정리 작업에서는 AI 코딩 에이전트가 인간 연구자들이 개발한 기존 방식보다 거의 100%에 가까운 성공률을 더 빠르게 달성했습니다. 또한, 최대 8명의 AI 코딩 에이전트 팀이 단일 에이전트보다 훨씬 빠르게 작업을 완료하는 것으로 나타났습니다. 예를 들어, 8인 팀은 2시간 만에 Push-T 작업에서 99% 성공률을 기록했지만, 4인 팀은 3시간, 단일 에이전트 팀은 5시간이 소요되었습니다.
### AI 기반 로봇 훈련의 한계와 고려 사항
하지만 AI 코딩 에이전트를 자율 로봇 훈련사로 활용하는 과정에서 몇 가지 중요한 한계점도 발견되었습니다. AI 코딩 에이전트들이 로그를 읽거나, 코드를 작성하고, 디버깅하거나, 언어 모델의 응답을 기다리는 동안 로봇은 종종 유휴 상태로 방치되었습니다. 또한, 더 큰 규모의 AI 에이전트 팀은 서로의 아이디어를 요약하는 데 더 많은 시간을 소비하고 실제 로봇을 사용하는 시간은 줄어드는 경향을 보였습니다. 병렬 훈련 세션을 시작할 때 사용 가능한 컴퓨팅 자원을 충분히 활용하지 못하는 경우도 있었습니다. 더 많은 에이전트와 로봇을 활용하여 성공률을 높이는 속도는 토큰(token) 소비량 증가로 이어졌습니다. 이는 Anthropic과 같은 AI 개발사들이 서비스 사용 비용을 증가시킬 수 있는 가격 변경을 고려하고 있는 시점에서 주목할 만한 부분입니다.
### 가치와 인사이트
ENPIRE 프레임워크는 AI 코딩 에이전트가 로봇 훈련 과정을 스스로 학습하고 최적화할 수 있다는 가능성을 보여줍니다. 이는 로봇 공학 분야에서 인간의 개입을 최소화하고, 복잡한 물리적 작업을 자동화하는 데 중요한 진전입니다. 특히, GPU 장착과 같은 실제 산업 현장에서 요구되는 작업에 대한 성공률 향상은 제조 및 조립 공정의 효율성을 크게 높일 잠재력을 가지고 있습니다. 또한, 연구 결과가 오픈 소스화될 예정이라는 점은 개인이나 소규모 연구팀도 이러한 첨단 로봇 훈련 기술에 접근할 수 있게 하여 관련 분야의 발전을 가속화할 것으로 기대됩니다.
### 기술·메타
* **프레임워크:** ENPIRE (Agent Harness Framework)
* **핵심 기술:** AI 코딩 에이전트 (AI coding agents), 강화 학습 (Reinforcement Learning), 자율 학습 (Self-improvement)
* **테스트된 AI 모델:** OpenAI Codex (GPT-5.5), Anthropic Claude Code (Opus 4.7), Moonshot AI Kimi Code (Kimi K2.6)
* **연구 기관:** Nvidia GEAR lab, Carnegie Mellon University, University of California, Berkeley
* **연구 공개일:** 2026년 6월 16일
### 향후 전망
ENPIRE와 같은 기술은 미래의 로봇 공학 및 자동화 산업에 지대한 영향을 미칠 것입니다. 인간의 감독 없이 로봇이 스스로 학습하고 발전하는 능력은 공장 자동화, 물류, 심지어 가정 내 서비스 로봇 등 다양한 분야에서 로봇의 활용 범위를 확장할 것입니다. 예를 들어, 미래에는 제조 라인에서 새로운 제품 조립 방법을 로봇이 스스로 학습하여 신속하게 적용할 수 있게 될 것입니다. 또한, 위험하거나 반복적인 작업을 로봇이 더욱 효율적으로 수행하게 되어 인간은 더 창의적이고 고부가가치 업무에 집중할 수 있게 될 것입니다. 엔비디아는 이미 Unitree와의 파트너십, 현대자동차와의 로봇 생산 협력 논의 등을 통해 이러한 미래를 적극적으로 준비하고 있습니다. 다만, AI 에이전트의 학습 과정에서 발생하는 높은 컴퓨팅 자원 및 토큰 비용 문제는 향후 기술 상용화 및 확산에 있어 해결해야 할 과제가 될 것입니다.
📝 원문 및 참고
- Source: Techmeme
- Techmeme 리버: [techmeme.com](https://www.techmeme.com/260617/p57#a260617p57)
- 원문 기사: [링크 열기](https://arstechnica.com/ai/2026/06/ai-coding-agents-can-autonomously-direct-robot-training/)
---
출처: Techmeme ([Original Article](https://arstechnica.com/ai/2026/06/ai-coding-agents-can-autonomously-direct-robot-training/))
신고 · 불법·유해·아동 안전(CSAE) 관련 콘텐츠
댓글 0
아직 댓글이 없습니다. 첫 댓글을 남겨 보세요.