NTT, 물리 법칙을 넣은 월드 모델로 선반 적재 성공률 73%→92%… Mujin과 공항 수하물부터 실증

NTT가 로봇이 움직이기 전에 짐이 무너지거나 물체가 떨어질지를 예측하는 월드 모델을 개발했다. 짐 적재를 흉내 낸 소형 로봇의 선반 적재 과제에서 성공률이 **73.1%**에서 **92.3%**로 올랐다고 회사는 밝혔다. NTT는 11월 11일 이 기술을 발표했고, 모양과 무게가 제각각인 공항 수하물 상하차를 첫 적용 분야로 Mujin과 실증을 진행한다.

NTT의 베팅은 월드 모델이 상자를 제대로 읽게 만드는 것이 더 많은 영상이 아니라 물리 법칙이라는 데 있다. NTT에 따르면 기존 월드 모델은 물체의 물리량을 내부에서 다루지 않아 생성 영상 속 물체가 사라지거나 변형되고, 충돌을 잘못 예측하며, 학습 데이터에 없는 장면에서는 쉽게 무너진다. NTT의 '물리 제어 어댑터'는 영상에서 물체마다 위치, 방향, 속도, 질량을 추정하고 운동 방정식으로 다음 움직임을 계산해 그 결과를 영상 생성 모델에 넘긴다. 수하물은 모양도 무게도 제각각이라 모든 물품을 아우르는 학습 데이터를 모으기는 현실적이지 않다고 회사는 설명한다. 사람의 영상으로 주로 배우는 엔비디아 GR00T 2와는 반대 방향이다.

제어기를 대체하지 않고 플래너의 후보를 채점한다

이 모델은 로봇을 직접 움직이지 않는다. VLA 모델이나 모션 플래너가 여러 행동 후보를 내면, NTT 모델이 각 후보를 실행한 뒤의 영상을 만들어 낙하와 충돌 여부로 점수를 매기고, 로봇은 성공 가능성이 높은 후보를 고른다. 제어 흐름 안에 넣을 수 있을 만큼 빠르게 돌도록 만들었고, 예측의 근거가 되는 물리량도 함께 내놓아 왜 떨어진다고 판단했는지 현장에서 알 수 있다고 NTT는 말한다.

첫 파트너가 Mujin인 이유도 여기에 있다. Mujin의 컨트롤러는 이미 산업용 로봇팔의 혼재 팔레타이징을 계획하고 있어, 채점기는 그 소프트웨어 위에 얹기만 하면 된다. 여러 물체의 충돌을 담은 공개 영상 예측 벤치마크 OBJ3D에서도 LPIPS 유사도 지표로 기존 방법을 앞섰다고 NTT는 밝혔다.

19포인트 차이가 살아남을지는 공항 수하물 실증에서 판가름 난다. 소형 로봇이 선반에 물건을 쌓는 일과, 무게를 영상만으로 추정해야 하는 여행가방을 실물 크기 로봇팔로 싣는 일 사이에는 거리가 멀다. NTT는 11월 18일부터 25일까지 열리는 NTT R&D FORUM 2026에서 이 시스템을 전시한다.