NEURA Robotics, 오스트리아의 NXAI와 협력해 휴머노이드 메모리 개발
NEURA Robotics와 오스트리아의 딥테크 기업 NXAI는 NXAI의 xLSTM 아키텍처를 활용해 NEURA의 ‘Neuron’ AI 파운데이션 모델을 위한 작업 기억 및 일화 기억 레이어를 구축하고 있으며, 이는 휴머노이드 시연과 실제 배포 간의 신뢰성 격차를 해소하는 것을 목표로 하고 있다.

보고, 만지고, 말할 수 있는 대부분의 로봇은 여전히 기억을 할 수 없습니다. 월요일에 커넥터를 올바르게 꽂았던 휴머노이드 로봇은 화요일이 되면 이미 그 방법을 배웠다는 사실을 떠올릴 방법이 없습니다. 이러한 지각과 기억 사이의 간극을 메우기 위해 NEURA Robotics와 NXAI는 2026년 10월 20일 독일 메칭겐에서 물리적 AI를 위한 공유 메모리 아키텍처를 구축하기 위한 파트너십을 발표했으며, 이 파트너십을 통해 NEURA의 로봇 공학 스택과 NXAI의 재귀 신경망 설계인 xLSTM을 결합하여 물리적 AI를 위한 공유 메모리 아키텍처를 구축하기로 한 파트너십을 발표했을 때, 두 회사가 메꾸고자 했던 바로 그 간극입니다.
이번 협약을 통해 NEURA의 Neuron AI 파운데이션 모델은 두 가지 새로운 유형의 기억 기능을 갖추게 되었습니다. 하나는 부품이 삽입되었는지, 문이 열려 있는지, 버튼이 이미 눌렸는지와 같은 작업의 즉각적인 상태를 추적하는 작업 기억이고, 다른 하나는 로봇이 이전에 유사한 상황을 어떻게 처리했는지를 활용할 수 있게 해주는 에피소드 기억입니다. 이 두 가지 기억 방식은 모두 NEURA가 이미 3D 비전, 촉각 및 힘-토크 감지, 오디오, 로봇 상태, 언어를 단일 행동 스트림으로 융합하는 데 사용하고 있는 다중 모달 모델인 ‘Neuron AI’ 내에서 작동하며, 클라우드 대신 로봇에서 로컬로 처리됩니다.
이 두 기술 중 NXAI가 더 새로운 명칭입니다. 이 회사는 오스트리아 린츠에 본사를 둔 딥테크 연구 기업으로, 창립자인 셉 호흐라이터(Sepp Hochreiter)가 1990년대에 공동 발명하고, 현재 대규모 언어 모델을 지배하고 있는 트랜스포머 아키텍처와 경쟁하기 위해 2024년에 부활시킨 ‘xLSTM’을 핵심 기술로 삼고 있습니다. 린츠 요하네스 케플러 대학교의 기계 학습 연구소 및 ELLIS 유닛을 이끌고 있는 호흐라이터는 다음과 같은 구체적인 주장을 바탕으로 NXAI의 상업적 타당성을 입증했습니다: xLSTM은 트랜스포머보다 훨씬 적은 자원 소모로 긴 시퀀스 전반에 걸쳐 상태를 유지하고 업데이트할 수 있으며, 이는 단일 전방 통과(forward pass)가 아닌 수분 또는 수시간 동안 문맥을 추적해야 하는 모든 작업에 중요한 요소입니다. 이 회사의 또 다른 제품인 TiRex라는 시계열 예측 모델도 동일한 아키텍처를 기반으로 구축되었습니다.
물리 AI의 기억 상실 문제
시각-언어-행동
로봇에게 새로운 작업을 가르치는 데 주로 사용되는 모델들은 일반적으로外界의 순간적인 상태를 특정 동작에 매핑하도록 설계되어 있을 뿐, 근무 시간 전체에 걸쳐 상태를 유지하도록 만들어지지는 않습니다. 이러한 설계 선택은 단일 단계의 피킹 작업이나 특정 지점에서의 시연에는 타당할 수 있지만, 작업에 순서와 이력이 포함되는 순간 한계에 부딪히게 됩니다. 예를 들어, 다단계 조립 작업, 약간의 변형이 있는 반복적인 시설 견학, 또는 로봇이 한 시간 전에 무엇을 점검했는지 알아야 하는 유지보수 순찰 등이 이에 해당합니다. 기억 기능이 없다면, 이러한 모든 상황은 새로운 것으로 간주되며, 모델은 아무런 오류 메시지 없이 실패하거나 인간이 맥락을 재설정해 주어야 합니다.이것이 바로 NEURA의 창립자이자 최고경영자인 데이비드 레거(David Reger)가 파트너십을 발표하며 제시한 상업적 논지입니다. 그는 “일상생활과 산업 현장에서 진정으로 도움이 되는 로봇은 기억할 수 있어야 한다”고 말하며, 기억을 단순한 연구적 호기심이 아닌, 단순히 재주를 부리는 로봇과 실제 업무를 수행하는 로봇을 구분하는 결정적인 요소로 규정했습니다. 호크라이터의 관점도 아키텍처 측면에서 동일한 결론에 도달합니다. 그는 기억과 축적된 경험이야말로 시스템이 다단계 작업을 안정적으로 해결할 수 있게 해주는 요소이며, xLSTM이 긴 시퀀스 전반에 걸쳐 상태를 유지하는 효율성 덕분에 데이터 센터 클러스터가 아닌 로봇에서 이를 실행하는 것이 실용적이라고 주장해 왔습니다.
로봇이 기록을 관리하면 무엇이 달라질까
작업 기억과 에피소드 기억의 구분은 단순한 표면적인 차이가 아닙니다. 이는 두 가지 서로 다른 상업적 문제를 구분해 줍니다. 작업 기억은 단일 작업을 올바르게 수행하는 것과 관련이 있습니다. 예를 들어, 패스너가 이미 적정 토크로 조여졌다는 것을 아는 로봇은 다시 조이지 않으며, 문이 이미 열려 있다는 것을 아는 로봇은 문을 밀지 않습니다. 에피소드 기억은 유사한 작업을 반복할수록 더 빠르고 안정적으로 수행할 수 있게 해주는 것으로, 매번 처음부터 추론하는 대신 로봇이 이전에 유사한 상황을 어떻게 처리했는지에 대한 저장된 기록을 활용합니다. 이 두 가지가 결합되면, 실제 현장에 배치된 로봇은 마치 교대 근무자와 같은 능력을 갖추게 됩니다.
메모리: 프로세스 내에서 현재 위치와 이미 수행된 작업에 대한 인식.두 회사 모두 통합 시스템에 대한 벤치마크 수치를 공개하지 않았으며, NEURA나 NXAI가 이를 발표하기 전까지는 어떤 수치도 가정해서는 안 됩니다. 확인된 것은 아키텍처와 의도일 뿐, 작업 성공률의 측정된 개선치는 아닙니다. 이 주의사항은 중요합니다. 업계에는 유능한 데모를 실제 배포 가능한 기능으로 취급하는 습관이 잘 알려져 있기 때문입니다. 데모와 실제 배포 가능한 시스템의 차이는 바로 ‘메모리’가 좁혀야 할 간극이며, 이러한 주장을 평가하는 구매자들은 기본 모델에 대해 묻기 전에 먼저 작업 단위의 신뢰성 데이터를 요청해야 한다.
데이터가 그대로 유지되는 개방형 플랫폼
통합 지점은 NEURA의 로봇 라인 전반에 AI 기능을 배포하기 위한 생태계인 ‘Neuraverse’입니다. 이번 파트너십에 따라 NXAI의 xLSTM 기반 모델은 Neuron AI 자체와 함께 해당 플랫폼의 두 번째 옵션이 되며, 이를 사용하고자 하는 기업들은 Neuraverse 툴체인을 통해 모델을 미세 조정하고, 내부적으로 ‘NEURA Gyms’로 알려진 NEURA의 물리적 훈련 환경에서 테스트하고, 3세대 및 4세대 4NE-1 휴머노이드, 바퀴 달린 변형 모델, 두 가지 양손 조작 플랫폼을 포함하여 해당 작업에 적합한 NEURA의 5가지 로봇 모델 중 어느 것이든 배포할 수 있습니다. NEURA는 메모리 시스템을 도입하는 기업이 자체 프로세스 지식에 대한 통제권을 유지하도록 이 체계를 구성했으며, 생성된 데이터와 기술을 기본적으로 플랫폼에 넘겨주는 대신 공유 여부를 선택할 수 있게 했습니다.
이러한 데이터 통제 조항은 기술적인 측면만큼이나 상업적인 신호이기도 하다. NEURA는 지난 1년 동안 단일 제품 전략보다는 풀스택 전략을 구축하는 데 주력해 왔으며, 자사의 하드웨어와 파운데이션 모델을 외부 전문가들과 결합해 왔습니다. 여기에는 온디바이스 연산을 위한 퀄컴(Qualcomm)과의 칩 협력, 다쏘 시스템(Dassault Systèmes)과의 가상 트윈 파이프라인, 그리고 현재 NXAI의 메모리 레이어가 포함됩니다. 고객 데이터를 고객 내부에 보관함으로써
‘통제’란 산업계 구매자, 특히 자동차나 정밀 제조 분야의 구매자가 애초에 제3자가 자사의 생산 데이터에 접근하는 것을 허용할 의향이 있는 조건을 말한다.왜 독일과 오스트리아인가, 그리고 왜 지금인가
이번 발표에서 인용할 만한 주장은 동시에 가장 검증하기 쉬운 주장이기도 합니다. 즉, 실제 공장이나 가정에서 로봇의 유용성은 단순히 인식하는 정보뿐만 아니라 기억하는 정보의 양에 비례한다는 것입니다. NEURA는 이미 셰플러(Schaeffler) 및 보쉬(Bosch)와의 데이터 파트너십을 바탕으로 ‘뉴런(Neuron)’ AI 훈련 파이프라인을 구축하여, 단순한 시뮬레이션이 아닌 실제 산업 현장 배포 데이터에 접근할 수 있는 경로를 확보했습니다. 그리고 해당 파이프라인 위에 메모리 아키텍처를 추가한 것은, 휴머노이드 배포의 현재 병목 현상이 추가 센서나 자유도가 아닌 ‘신뢰성’에 있다는 가정에 대한 베팅입니다.
NXAI에게 이번 계약은 연구 논문 밖에서, 실제 성능과 지연 시간 제약이 적용된 하드웨어를 통해 xLSTM의 효율성 주장을 입증할 기회입니다. NEURA의 경우, 유럽의 정책 입안자들과 기업 구매자들이 유럽의 물리적 AI 선도 기업들이 미국이나 중국에서 파운데이션 모델을 수입하는 대신 유럽산 부품으로 경쟁력 있는 풀 스택을 구축할 수 있는지 점점 더 의문을 제기하고 있는 시점에서, 스택의 모든 계층을 단독으로 구축해야 하는 위험에 대한 대비책이 됩니다. 이러한 프레임이 실제 배포 데이터와 마주했을 때 여전히 유효할지는, 새로운 메모리 시스템을 탑재한 로봇들이 데모 무대가 아닌 실제 작업 현장에서, 이미 알고 있는 내용을 다시 일일이 지시받지 않고도 한 교대 근무 전체를 무사히 소화해 냈을 때 NEURA의 산업 고객들이 어떤 평가를 내놓느냐에 달려 있을 것이다.
구매 팀이 실제로 물어야 할 질문
이러한 유형의 발표를 평가하는 자동화 구매 담당자에게 유용한 질문들은 보도자료에 담긴 내용보다 더 구체적이어야 한다. 첫 번째는 일정이다. NEURA와 NXAI는 아키텍처와 플랫폼 슬롯에 대해 설명했을 뿐, 특정 로봇 세대에 통합된 시스템의 출하 일정은 밝히지 않았으므로, 조달 팀은 메모리 지원 버전의
Neuron AI는 이미 배포가 가능하다고 가정하기보다는 시범 운영 준비 단계에 도달한 상태입니다. 두 번째는 범위입니다. 작업 기억과 에피소드 기억은 작업 내 및 작업 간 맥락 상실을 해결하는 것이지, 여전히 대부분의 휴머노이드 배포를 가로막고 있는 조작 정교성, 배터리 수명, 안전 인증과 같은 별개의 문제들을 다루는 것이 아닙니다. 이 발표를 경쟁사의 휴머노이드 로드맵과 비교하는 구매자—출하량 확대에 주력하는 중국 플랫폼 제조사든, 정교한 조작 능력에 집중하는 미국 경쟁사든—는 이를 기존 스택에 추가된 신뢰성 기능으로 평가해야 하며, 공급업체를 변경할 독립적인 근거로 삼아서는 안 된다.세 번째 질문은 데이터 거버넌스에 관한 것으로, NEURA의 성명서는 이 부분에 대해 사전에 가장 적극적으로 답변하려고 노력하고 있다. 오스트리아 AI 연구소의 외부 모델을 공장 내 물리적 AI 스택에서 실행하도록 허용하는 것은, 10년 전 클라우드 기반 머신 비전이 제기했던 것과 동일한 반발을 불러일으킵니다. 즉, 누가 데이터를 보는지, 그리고 모델이 재훈련된 후 데이터가 어떻게 처리되는지에 대한 우려입니다. NEURA의 답변, 즉 고객이 자체 프로세스 지식에 대한 통제권을 유지하고 데이터 및 기술 공유 여부를 선택할 수 있다는 점은 기술적 사실인 동시에 영업 홍보 문구이기도 하며, 플랫폼의 기본 설정과 마케팅 문구가 항상 일치하지는 않기 때문에 신중한 구매자는 시범 운영이 시작되기 전에 계약서 문구에서 이 조항을 가장 철저히 검증해야 합니다.
본 분석은 이번 발표와 관련된 기업 성명 및 공개된 기술 문서를 종합한 것입니다. 이 기사는 일반적인 정보 제공을 목적으로 하며, 투자, 법률 또는 전문적인 조언을 구성하지 않습니다.










