소프트웨어

노타, 퀄컴 NPU서 로봇 AI 3배 가속…피지컬 AI 최적화 실증

테크월드뉴스 · 2026년 9월 22일

✦ AI 요약

노타는 퀄컴 드래곤윙 IQ-9075 기반 엣지 AI 보드에서 비전·언어·행동 모델(VLA)을 경량화했다고 22일 발표했다.

퀄컴 산업용 NPU에서 로봇 AI 모델을 직접 구동하며 NPU 연산 최적화, 런타임 최적화, 로봇 동작 최적화를 수행했다.

그 결과 VLA 추론 속도는 최대 7배 향상됐고, 실제 로봇팔 작업 속도는 3배 향상됐으며 물체 이동 시간은 36초에서 12초로 단축됐다.

노타는 22일 퀄컴 테크날러지스 산업용 SoC '퀄컴 드래곤윙 IQ-9075(Qualcomm Dragonwing IQ-9075)' 기반 엣지 AI 보드에서 비전·언어·행동 모델(VLA)을 경량화했다고 발표했다. 노타는 해당 보드에서 VLA를 최적화했다.

노타는 퀄컴 산업용 NPU에서 로봇 AI 모델을 직접 구동했으며, 이 과정에서 NPU 연산 최적화와 런타임 최적화, 로봇 동작 최적화를 함께 수행했다.

그 결과 로봇팔 작업 성능이 개선됐다. 최적화 후 VLA 추론 속도는 최대 7배 향상됐고, 실제 로봇팔 작업 속도는 3배 향상됐다. 실제 물체 이동 시간은 36초에서 12초로 단축됐다.

이번 실증은 언어 명령을 받은 로봇팔이 큐브를 집은 뒤 반대편 매트로 이동하는 방식으로 진행됐다. 노타는 이를 통해 피지컬 AI 환경 적용 가능성을 검증했다.

노타는 원본 모델 성공률 93% 대비 정확도 손실 1%포인트 수준으로 작업 성공률 92%를 유지하면서 속도를 높였다고 설명했다. 노타는 이를 통해 모델 성능 대부분을 유지하면서 추론 속도를 향상시키고 실제 작업 속도를 높였다고 밝혔다.

이번 핵심은 기존 GPU·외부 서버 의존 로봇 AI 모델을 로봇에 연결된 NPU에서 직접 실행할 수 있도록 최적화한 데 있다. 구현 구조는 카메라 영상 인식, 언어 명령 이해, 행동 생성, 실행을 로봇 내부에서 연계하는 방식이다.

노타는 이를 위해 VLA 경량화, NPU 연산 그래프 최적화, 멀티 NPU 런타임 구축, 행동 생성 가속을 적용했다. 또한 모델 연산량 축소 자체보다 AI 판단 속도를 실제 로봇 움직임 개선으로 연결하는 데 초점을 맞췄다.

이 같은 접근은 추론 지연이 실제 작업 성능에 직접 영향을 줄 수 있는 로봇 환경의 특성을 겨냥한 것이다. 카메라 영상과 언어 명령이 입력된 뒤 다음 행동을 결정하는 시간이 길어지면 로봇이 이동하는 동안 주변 환경이 변할 수 있고, 그 결과 판단 시점과 실행 시점 사이에 차이가 발생할 수 있다.

로봇 파운데이션 모델의 학습 데이터는 원격조작(Teleoperation) 등으로 수집한 연속 행동 궤적이다. 이 때문에 실제 구동 지연을 줄일 필요가 있으며, 지연 감소는 학습된 행동 흐름과 로봇 실제 움직임 간 시간차를 축소하는 효과로 이어진다. 이에 따라 중요 요소는 모델 단독이 아닌 하드웨어·실행 환경의 동시 최적화라는 점이 전제로 제시된다.

노타는 이번 기술을 '코리아 리얼월드 AI 네트워크(Korea Real-World AI Network, KRAIN) 2026'에서 공개했다. 행사에서는 최적화 전후 로봇팔 작업과 실측 결과를 비교하는 시연이 이뤄졌으며, 이는 추론 속도 개선이 실제 작업 속도·성공률에 미치는 영향을 확인하기 위한 목적이라고 설명됐다.

이번 실증 결과는 노타의 AI 최적화 기술 적용 범위가 모바일·엣지 기기 중심에서 로봇 영역으로 확장됐음을 보여준다. 노타의 기반 기술은 다양한 AI 모델·반도체 환경을 연결하는 최적화 레이어다. 노타는 이를 바탕으로 로봇·휴머노이드 등 피지컬 AI 분야로 사업 범위를 확대할 계획이다.

노타는 LG전자·모빌린트와 함께 정부 K-온디바이스 AI 반도체 기술개발 사업의 휴머노이드 분야 국책과제에 참여하고 있으며, 해당 사업에서 AI 모델 최적화 세부 과제의 주관기관을 담당하고 있다. 이 과정에서 VLA를 국산 NPU 및 실제 로봇 환경에 맞춘 최적화를 진행하고 있다.

채명수 노타 대표는 이번 성과가 AI 최적화 기술이 모델 크기·추론 속도 개선을 넘어 실제 로봇의 반응성·작업 성능 향상으로 이어질 수 있음을 보여준 사례라고 밝혔다. 이어 다양한 AI 모델·하드웨어를 포괄하는 최적화 레이어 고도화를 추진하고, 로봇·휴머노이드 등 피지컬 AI 전반으로 적용 영역을 확대할 계획이라고 설명했다.

출처: 테크월드뉴스 · 김승기 기자
원문: https://www.epnc.co.kr/news/articleView.html?idxno=407294