로봇 발표에서 눈에 먼저 들어오는 건 늘 몸이야. 걷고, 집고, 춤추고, 사람 말에 반응하는 장면. 그래서 로봇 산업을 보면 새 모델과 새 하드웨어가 전부처럼 보이기 쉽다.
그런데 실제 개발자는 그 뒤의 훨씬 지루한 문제에 붙잡혀 있어. 카메라에서 들어온 것을 어떻게 처리할지, GPU 가속 라이브러리를 기존 코드와 어떻게 붙일지, 실험실에서 돈 로봇을 현장 장비에 어떻게 올릴지 같은 문제 말이야.
NVIDIA의 Jaiveer Singh 인터뷰는 그 지루한 층을 보여줘. Singh은 Isaac ROS 팀을 이끄는 로보틱스 소프트웨어 엔지니어고, 그의 설명에서 Physical AI는 화려한 데모보다 개발자가 계속 조립하고 고치는 작업대에 더 가까워 보여.1
로봇 개발을 빠르게 만드는 건 모델 하나가 아니라, 센서·시뮬레이션·추론·현장 장비를 다시 조립할 수 있게 해주는 연결층이야.
무슨 일
Isaac ROS는 ROS 2 위에 NVIDIA의 CUDA 가속 라이브러리와 AI 모델을 얹은 로봇 개발 도구 묶음이야. ROS는 Robot Operating System의 줄임말인데, 여기서 운영체제라는 말은 우리가 쓰는 macOS나 Windows보다 넓어. 로봇 개발자가 센서, 제어, 지도 작성, 경로 계획 같은 부품을 서로 연결할 때 쓰는 공용 틀에 가깝다.
NVIDIA는 이 틀에 자기 강점인 GPU 가속을 붙이려 해. Singh의 설명에 따르면 Isaac ROS는 자율 이동 로봇, 물체 조작 시스템, 휴머노이드 개발에 쓰이고, 인식, 물체 탐지, 지도 작성, 충돌 감지, 동작 계획 같은 패키지를 제공해. 실행 장소도 한곳이 아니야. 개발용 워크스테이션, DGX Spark 같은 개인용 AI 슈퍼컴퓨터, Jetson 엣지 장비까지 이어진다고 설명해.1
핵심은 모듈성이다. Singh은 Isaac ROS를 레고 블록처럼 조립하는 소프트웨어라고 설명해. 개발자가 NVIDIA 패키지만 쓰는 게 아니라, 기존 ROS 코드와 섞고 바꾸고 붙일 수 있어야 한다는 뜻이야.
이 지점이 기존 로봇 발표와 조금 다르다. “이 모델이 로봇을 더 똑똑하게 만든다”가 아니라, “개발자가 로봇을 만들 때 매번 다시 묶어야 하는 부품을 덜 고생스럽게 묶어준다”는 이야기거든.
왜 중요한가
로봇은 챗봇처럼 서버 안에서만 돌지 않아. 카메라와 라이다가 있고, 모터가 있고, 배터리가 있고, 바닥 마찰과 조명과 안전 문제가 있어. 그래서 좋은 모델을 하나 얻어도 그걸 현장 로봇에 올리는 순간 다른 문제가 시작돼.
예를 들어 물체 탐지 모델이 있다 해도, 카메라 영상이 들어오는 방식, GPU에서 처리하는 방식, 지도와 경로 계획으로 넘기는 방식, 실제 바퀴나 팔을 움직이는 방식이 이어져야 해. 이 연결이 매번 손작업이면 개발 속도는 모델 성능보다 통합 비용에 묶인다.
이건 sim-to-real gap과도 이어져. 가상 환경에서 훈련한 정책을 실물로 옮기려면, 시뮬레이션, 학습, 테스트, 엣지 배포가 한 흐름으로 돌아야 해. 중간이 끊기면 실험은 느려지고, 어떤 변화가 실제 성능을 바꿨는지도 추적하기 어려워진다.
그래서 NVIDIA가 노리는 자리는 칩 하나보다 넓어. 로봇 회사가 센서 처리, 인식, 지도 작성, 동작 계획, 엣지 추론을 이어 붙이는 기본 경로에 NVIDIA 도구가 들어가면, GPU는 단순 부품이 아니라 로봇 개발 과정의 표준 작업대가 된다.
확인된 것
확인되는 건 Singh의 말이 제품 스펙보다 개발자 신뢰를 강조한다는 점이야. Isaac ROS는 원래 그의 인턴 프로젝트에서 시작됐고, NVIDIA Jetson과 CUDA 라이브러리를 로보틱스 개발자가 쓸 수 있게 공개해보자는 실험에서 출발했다고 설명해.1
공개 소프트웨어라는 점도 중요해. Singh은 로봇 개발자가 2~3년 뒤에도 플랫폼을 고치고 이어갈 수 있다는 확신이 필요하다고 말해. 로봇 스타트업이 폐쇄형 도구 위에 제품을 얹으면, 몇 년 뒤 그 도구가 자기 필요와 어긋날 때 위험이 커진다. 코드가 열려 있으면 직접 고치고, 다른 팀의 수정도 흡수할 수 있어.
다만 이것을 완전한 중립성으로 읽으면 안 돼. Isaac ROS가 ROS 2 위에 올라간다고 해도, 그 안에 들어가는 가속 라이브러리와 모델과 엣지 장비는 NVIDIA 생태계와 강하게 붙어 있어. 개발자에게 열린 조립권을 주는 동시에, 기본 경로를 NVIDIA 스택 쪽으로 당기는 효과가 생긴다.
아직 모르는 것
이 인터뷰만으로 Isaac ROS가 실제 로봇 개발 시간을 얼마나 줄였는지는 알 수 없어. 어떤 회사가 몇 주짜리 통합 작업을 며칠로 줄였는지, 실물 배포에서 고장률이나 지연 시간이 얼마나 개선됐는지 같은 숫자는 나오지 않는다.
또 하나 조심할 점은 “개발자가 쓰기 쉬워졌다”와 “로봇이 현장에서 돈을 번다” 사이의 거리야. 개발 도구가 좋아지면 실험 속도는 빨라질 수 있어. 하지만 창고, 공장, 병원, 거리에서 반복 작업을 안정적으로 수행하는지는 별도의 배포 지표로 봐야 해.
그래도 이 자료가 쓸모 있는 이유는 분명해. 로봇 산업의 병목을 모델 성능만으로 보면 놓치는 층이 있다는 걸 보여주거든. 모델이 몸을 움직이기 전, 개발자는 먼저 센서와 연산과 제어와 배포를 하나의 작업 흐름으로 묶어야 해.
다음에 볼 것
첫째, Isaac ROS 위에서 독립 로봇 회사와 연구팀이 실제 배포 사례를 내는지 봐야 해. 공개 저장소 사용량보다 중요한 건 현장에서 어떤 로봇이 어떤 작업을 반복 수행했는지야.
둘째, Jetson 같은 엣지 장비에서 지연 시간과 전력, 안정성이 얼마나 버티는지 봐야 해. 로봇은 클라우드 왕복만으로 움직일 수 없으니, 현장 장비에서 추론과 제어가 얼마나 단단히 도는지가 중요하다.
셋째, 열린 ROS 생태계와 NVIDIA 스택의 균형을 봐야 해. 개발자가 자유롭게 조립할 수 있는 작업대가 넓어지는지, 아니면 편한 길을 택할수록 NVIDIA 도구에 더 깊게 묶이는지. 이 둘은 동시에 일어날 수 있어.
각주
-
NVIDIA Writers, 「How Jaiveer Singh Is Helping Robots — and Developers — Move Faster」(2026-06-30) NVIDIA Blog. ↩︎ ↩︎2 ↩︎3
댓글