같은 로봇 AI 모델이라도 어떤 NPU나 GPU에서 구동하느냐에 따라 성능이 크게 달라진다는 점이 피지컬 AI 분야의 과제로 지목되는 가운데, AI 모델 경량화·최적화 기업 노타(대표 채명수)가 이를 해결한 최적화 결과를 공개했다. 노타는 서울 코엑스에서 열린 ‘휴머노이드 서밋 서울 2026’에서 자사 AI 최적화 플랫폼 ‘넷츠프레소(NetsPresso)’를 활용해 퀄컴·엔비디아의 엣지 AI 하드웨어에서 로봇용 AI 모델 7종을 최적화한 결과를 발표했다. 발표는 노타 AI 연구원 김건민이 진행했다.
모델과 하드웨어를 함께 최적화
노타는 넷츠프레소를 통해 모델의 연산량과 메모리 부담을 줄이는 동시에, 목표 하드웨어인 NPU·GPU의 연산 특성까지 반영하는 방식으로 최적화를 진행했다. 대상 하드웨어는 퀄컴의 엣지 AI NPU ‘드래곤윙 IQ-9075’와 엔비디아의 GPU 기반 엣지 AI 플랫폼 ‘젯슨 토르(Jetson Thor)’다. 최적화 대상 모델은 엔비디아의 GR00T N1.7과 Cosmos3-Edge, 피지컬 인텔리전스의 π0.5, 허깅페이스의 SmolVLA를 비롯해 MolmoAct2, X-VLA, VLA-JEPA까지 총 7종이다.
추론 속도 최대 7배, 로봇팔 작업은 3배 빨라져
최적화 결과 추론 속도는 최대 7배, 실제 로봇팔 작업 속도는 3배 향상됐다. 반면 작업 성공률 하락은 최대 1%포인트 이내로 유지됐다. 구체적으로 GR00T N1.7의 추론 시간은 1602밀리초(ms)에서 228ms로 약 7배 빨라졌고, Cosmos3-Edge는 1711ms에서 739ms로 약 2.3배 개선됐다. 로봇 작업 수행 능력을 평가하는 시뮬레이션 벤치마크 LIBERO에서는 원본 모델의 작업 성공률 93%가 최적화 후 92%로, 1%포인트 낮아지는 데 그쳤다. 노타는 또 다른 벤치마크인 RoboLab에서도 성능을 평가했다.
노타는 그동안 모바일·엣지·데이터센터 환경에서 쌓아온 AI 모델 최적화 기술을 로봇·휴머노이드 등 피지컬 AI 영역으로 확장하고 있다. 이번 발표는 동일한 AI 모델이라도 구동되는 NPU·GPU 하드웨어에 맞춰 별도로 최적화해야 실질적인 성능 향상을 얻을 수 있음을 보여준 사례로, 모델과 하드웨어를 함께 최적화하는 접근이 피지컬 AI 상용화의 핵심 변수가 될 것이라는 점을 시사한다.