기준일 2026-11-03
실행 2026-11-03 23:30:04
S&P 500
7,569
NDX 100
28,180
VIX
20.83
US 10Y
4.95%
DXY
101.89
WTI
$96.70
Gold
$3,938
USD/KRW
1,343
SOX
10,600
Trump Approve
35.4%
S&P 500
7,569
NDX 100
28,180
VIX
20.83
US 10Y
4.95%
DXY
101.89
WTI
$96.70
Gold
$3,938
USD/KRW
1,343
SOX
10,600
Trump Approve
35.4%
AI LEADERS · MOVES & PAPERS

AI-지도자 인사이동, 논문 — 최신 소속 변화와 연구

LAST UPDATE 2026-11-04 08:05 KST PEOPLE 77 · PAPERS 76 · MOVES 0
AI 연구소·빅테크·학계의 핵심 인물이 어디로 옮기고 어떤 논문을 내는지는 기술 방향과 기업 경쟁력을 먼저 보여주는 신호입니다. 매일 자동으로 모은 인사이동과 논문을 운영자가 확인한 뒤 쉬운 요약과 원문 링크로 정리합니다.

최근 주요 소식

인사이동 · 학계 · 로봇·피지컬 AI

해당 조건의 인사이동이 아직 없습니다.

논문 · 학계 · 로봇·피지컬 AI

논문2026-10-06 · arXiv (Cornell University)

인공지능 로봇 행동 학습을 빠르게 돕는 알고리즘 개발

QF3: Fast Flow RL with Filtered Q-Gradients
피터 아빌 외 9명
무엇을
연구진은 로봇의 행동 방식을 효율적으로 학습시키는 새로운 강화학습 알고리즘인 큐에프쓰리를 개발했습니다.
핵심 결과
기존 방식보다 약 10배 빠른 속도로 인간형 로봇의 이동 및 동작 추적 정책을 학습시킬 수 있음을 입증했습니다.
의미
로봇의 행동 제어 기술을 더 빠르고 효율적으로 학습·개선할 수 있는 가능성을 보여줍니다.AI 요약
논문2026-10-06 · arXiv (Cornell University)

인간의 시연을 활용해 전신으로 물체를 다루는 휴머노이드 로봇 기술

Workhorse: Learning Robust Whole-Body Humanoid Loco-Manipulation from Human Data
피터 아빌 외 6명
무엇을
사람의 시연 영상을 활용하여 시각 계획기와 강화학습 추적기를 통해 휴머노이드 로봇이 물체를 조작하고 이동하는 기술을 개발했습니다.
핵심 결과
실제 유니트리 지원(Unitree G1) 로봇에서 상자 운반, 상자 잡기, 여행 가방 오르기 등의 복잡한 전신 조작을 성공적으로 수행했습니다.
의미
로봇이 인간의 행동 데이터를 바탕으로 복잡한 환경에서 균형을 잡으며 물체를 다루는 능력을 향상시킬 수 있음을 보여줍니다.AI 요약
논문2026-10-02 · arXiv (Cornell University)

여러 로봇 손에 재사용 가능한 물체 잡기 기술 GOTT 제안

GOTT: Object-centric Dexterous Manipulation with a Reusable Cross-Embodiment Primitive
피터 아빌 외 6명
무엇을
사람의 손처럼 여러 손가락을 가진 로봇 손이 물체를 안정적으로 붙잡고 원하는 방향으로 움직이도록, 서로 다른 로봇과 손 모양에서 공통으로 쓸 수 있는 접촉 기술 GOTT를 제안했습니다.
핵심 결과
시뮬레이션과 실제 로봇 실험에서 GOTT는 다양한 물체, 팔-손 플랫폼, 학습에 쓰인 적 없는 손 모양에서도 안정적인 접촉을 만들었고, 미리 정해진 대로 잡는 방식보다 전체 작업 성공률을 꾸준히 높였다고 보고했습니다.
의미
특정 로봇에 종속되지 않는 공통 동작 부품을 쓰면 로봇 손의 종류가 바뀌어도 같은 기술을 재활용할 가능성을 보여준 연구입니다. 다만 초록만으로는 상용화 수준이나 실제 산업 효과는 판단하기 어렵습니다.AI 요약
논문2026-10-01 · arXiv (Cornell University)

로봇이 시뮬레이션 연습으로 스스로 실력을 키우는 RPG 프레임워크

Reconstruct, Practice, Go Real: Guided Self-Improvement for Embodied Agents
피터 아빌 외 9명
무엇을
사람의 추가 개입 없이 로봇 작업 시스템을 스스로 개선하는 RPG 프레임워크를 제안했습니다.
핵심 결과
22개 조작 작업의 새 초기 조건 테스트에서 성공률이 첫 연습 후 28.6%에서 15라운드 후 95.0%로 올랐고, 실제 로봇 시험 30회는 모두 성공했습니다.
의미
로봇 제어 소프트웨어를 사람이 적게 손보고도 개선할 수 있다는 가능성을 보여준 연구이지만, 실제 산업 적용이나 상용화 수준은 초록만으로 판단하기 어렵습니다.AI 요약
논문2026-09-30 · arXiv (Cornell University)

연구진, 촉각 호기심으로 로봇 학습 효율 높이는 TacEx 제안

Tactile Curiosity Drives Robot Interaction
피터 아빌 외 6명
무엇을
로봇이 촉각(물체와 닿는 감각)에 대한 호기심을 키워 스스로 물체를 만지고 집는 법을 익히도록 하는 탐색 프레임워크 TacEx를 제안했습니다.
핵심 결과
초록에 따르면 TacEx는 작업 보상이나 전문가 시연 없이 접촉이 많은 상호작용 데이터를 모으며, 이 데이터로 집어 옮기기 정책을 추가 환경 상호작용 없이 학습할 수 있고, 시각-언어-행동 모델의 후속 학습 성능도 높인다고 합니다.
의미
기존 로봇 학습은 허공에서 무작위로 움직이는 데 시간을 많이 썼는데, 접촉 중심으로 탐색하면 학습 효율을 개선할 수 있다는 방향을 보여줍니다. 다만 초록만으로는 실용화 수준이나 상용화 가능성을 판단하기 어렵습니다.AI 요약
논문2026-09-29 · arXiv (Cornell University)

실제 영상 몇 개를 AI로 늘려 휴머노이드 물건 나르기 학습

Counterfactual Video Generation Enables Scalable Humanoid Loco-Manipulation
피터 아빌 외 8명
무엇을
사람이 물건을 나르는 실제 영상 몇 개를 바탕으로 AI가 다양한 가상 영상을 만들고, 이를 로봇 학습에 활용하는 방식(PRISM)을 제안했습니다.
핵심 결과
이렇게 학습한 하나의 제어 정책으로 실제 휴머노이드 로봇이 추가 현실 학습 없이 상자, 드럼통, 통, 공 등을 집어 옮기고 내려놓는 데 성공했다고 보고합니다.
의미
대량의 실제 로봇 시연 데이터를 모으기 어려운 상황에서 적은 실제 영상으로 학습 데이터를 늘릴 수 있는 가능성을 보여준다는 점에서 의미가 있습니다.AI 요약
논문2026-09-28 · The International Journal of Robotics Research

로봇 학습용 '월드 모델' 연구를 한눈에 정리한 종합 리뷰

World model for robot learning: A comprehensive survey
피터 아빌 외 17명
무엇을
행동에 따라 환경이 어떻게 변할지 예측하는 모델인 '월드 모델'을 로봇 학습 관점에서 체계적으로 정리한 서베이(종합 리뷰) 논문입니다.
핵심 결과
초록에 따르면 월드 모델이 로봇 정책, 시뮬레이터, 평가, 데이터 생성에 어떻게 쓰이는지와 로봇 영상 기반 월드 모델의 발전 흐름을 정리하고, 대표 데이터셋·벤치마크·평가 방법도 요약했습니다.
의미
로봇 학습 연구가 흩어져 있던 여러 방식을 한 틀로 묶어 주는 자료로, 관련 연구 흐름을 파악하는 데 도움이 될 수 있습니다. 다만 초록은 개별 기술의 성능이나 상업적 성과를 입증하지는 않습니다.AI 요약

인물

AI-지도자 인사이동·논문을 왜 봐야 할까

AI 산업에서는 사람이 곧 기술입니다. 핵심 연구자가 어느 회사로 옮기는지, 어떤 연구소를 새로 세우는지는 몇 달 뒤 제품·투자·인수합병으로 이어지는 경우가 많습니다. 이 페이지는 프런티어 연구소, 신생 연구소, 학계, AI 반도체, 한국·중국 인물까지 나눠 소속 변화를 추적합니다.

논문은 그 사람이 지금 무엇에 집중하는지 보여줍니다. HBM·메모리, GPU·가속기, 추론 효율, 에이전트, 로봇 등 투자와 연결되는 10개 분야로 논문을 분류하고, 초록을 바탕으로 ‘무엇을 했나·핵심 결과·의미’ 세 줄 요약과 원문·PDF 링크를 함께 제공합니다. 특정 종목의 매수·매도 권유가 아니라 아이디어를 찾기 위한 정보입니다.

자주 묻는 질문

Q. 어떤 인물을 추적하나요?

프런티어 연구소(OpenAI·Google DeepMind·Anthropic·Meta 등), 신생 연구소, 학계, AI 반도체, 한국·중국의 핵심 연구자와 경영진을 추적합니다. 논문을 거의 쓰지 않는 경영진은 인사이동만 추적합니다.

Q. 정보는 어디서 오고 얼마나 자주 갱신되나요?

논문은 Semantic Scholar와 arXiv, 경력은 위키데이터(CC0)와 공식 발표·언론 보도를 바탕으로 매일 자동 수집합니다. 운영자가 확인하고 승인한 항목만 공개합니다.

Q. 논문 요약은 누가 쓰나요?

논문 초록을 바탕으로 AI(Google Gemini)가 초안을 쓰고 운영자가 확인한 뒤 공개합니다. 다른 언어는 확인된 한국어 요약을 AI로 번역합니다. 세부 수치와 맥락은 반드시 원문에서 확인하세요.

이 페이지는 공개된 논문과 공식 발표·언론 보도를 정리한 정보 제공용 자료입니다. 논문 요약은 초록을 바탕으로 AI가 작성하고 운영자가 확인한 것으로, 원문과 다를 수 있으니 중요한 내용은 원문을 확인하세요. 특정 종목의 매수·매도 권유나 투자자문이 아닙니다. 인사이동은 공식 발표 또는 주요 언론 보도를 출처로 표시하며, 경력 기록 일부는 위키데이터(CC0)를 참고합니다.

🐩 코봉이 간식값 후원
코봉이
이 페이지가 도움이 되셨다면, 코봉이 간식값 후원도 환영이에요 🦴
💬 커뮤니티 댓글
IP 기반 익명 닉네임 · 욕설/도배 시 제재될 수 있습니다
로딩 중...