노타, 퀄컴 피지컬AI 핵심 VLA 최적화 성공…로봇 동작 생성 속도 7배 향상

▲비전·언어·행동 모델(VLA) 데모 화면(노타 제공)

인공지능(AI) 모델 경량화 및 최적화 기술 기업 노타가 피지컬AI 구현의 핵심 기술로 꼽히는 비전·언어·행동 모델(VLA)을 엣지 AI 디바이스에서 효율적으로 구동할 수 있는 최적화 성과를 공개했다. AI가 실제 환경을 인식하고 이해한 뒤 행동으로 연결하는 피지컬AI 시장이 확대되는 가운데 로봇과 산업 현장에 필요한 온디바이스 AI 경쟁력을 입증했다는 평가다.

노타는 피지컬AI 구현에 필요한 VLA 모델을 엣지 AI 디바이스에서 구동하고 성능 개선까지 입증했다고 28일 밝혔다.

피지컬AI는 AI가 카메라 등 센서를 통해 실제 환경을 인식하고 사람의 명령이나 주변 상황을 이해한 뒤 이를 행동으로 연결하는 기술이다. 로봇·제조·물류 등 다양한 산업에서 활용 가능성이 커지면서 시각 정보와 언어 명령을 함께 이해하고 실제 동작을 생성하는 VLA 모델 중요성도 높아지고 있다.

다만 VLA 모델은 이미지 인식과 언어 이해, 행동 생성 과정을 동시에 처리해야 하는 고연산 모델로 일반적으로 그래픽처리장치(GPU) 서버 환경에서 구동된다. 특히 로봇이나 산업 현장처럼 실시간 반응이 필요한 환경에서는 클라우드 의존도를 낮추고 디바이스 자체에서 AI 모델을 빠르게 구동하는 최적화 기술이 핵심으로 꼽힌다.

노타는 퀄컴의 최신 엣지 AI 디바이스인 드래곤윙 IQ-9075 환경에서 VLA 모델인 스몰VLA 0.45B를 구현하고 실시간성 향상을 위한 최적화를 적용했다. 특히 SmolVLA 0.45B 를 노타가 모델 구조와 디바이스 실행 환경을 고려해 자체적으로 구동 환경을 마련했다는 점에서 의미가 크다.

회사는 모델 전체를 단순 축소하는 대신 속도 개선 효과가 크면서도 정확도 저하를 최소화할 수 있는 영역을 선별해 최적화를 진행했다. 카메라로 장면을 이해하고 명령을 해석하는 단계는 유지한 채 실제 로봇 동작을 생성하는 마지막 단계 중심으로 최적화를 적용했다.

이를 위해 로봇 동작 생성 단계의 반복 연산을 줄이는 실시간 추론 최적화와 신경망처리장치(NPU) 기반 그래프 최적화를 적용했다.

그 결과 로봇 동작 생성 모듈 처리 시간은 218ms에서 31ms로 약 85.8% 감소했으며 최대 7배 수준의 속도 개선을 달성했다. 전체 추론 시간도 505ms에서 310ms로 단축됐다. 반면 작업 성공률은 기존 86%에서 85% 수준을 유지해 속도 향상과 안정성을 동시에 확보했다.

노타는 해당 성과를 미국 산타클라라에서 열린 임베디드 비전 서밋 2026에서 공개했다. 현장에서는 관람객이 물품을 선택하면 최적화된 VLA 모델이 이를 인식하고 로봇팔 동작을 생성해 물품을 집어 바구니에 넣는 과정을 실시간으로 시연했다.

이번 시연은 단순 영상 재생이 아닌 AI가 상황을 이해하고 행동을 생성하는 방식으로 진행됐으며 피지컬AI 구현에 필요한 VLA 모델의 실제 활용 가능성을 보여줬다는 설명이다.

노타는 앞으로도 다양한 엣지 AI 및 임베디드 디바이스 환경에서 고성능 AI 모델을 효율적으로 구동할 수 있는 최적화 기술을 고도화할 계획이다. 또한 퀄컴을 비롯한 글로벌 반도체·디바이스 생태계 최적화 역량을 바탕으로 피지컬AI 시대에 필요한 온디바이스 AI 경쟁력을 강화해 나간다는 방침이다.

채명수 노타 대표는 “피지컬AI가 산업 현장으로 확산되기 위해서는 AI가 실제 환경을 보고 이해한 뒤 행동으로 연결하는 과정을 엣지 AI 디바이스에서 빠르고 안정적으로 처리할 수 있어야 한다”며 “이번 VLA 최적화 성과는 노타의 AI 최적화 기술이 피지컬AI 시대 핵심 기반 기술로 확장될 수 있음을 보여주는 의미 있는 사례”라고 말했다.