모벤시스는 자사의 Physical AI 실시간 실행 스택 연구가 엔비디아 GTC 2026 포스터 세션에 선정돼 현지에서 발표됐다고 17일 밝혔다.
엔비디아 GTC는 AI, 로보틱스, 디지털 트윈, 가속 컴퓨팅 분야 기술과 적용 사례가 공유되는 글로벌 기술 컨퍼런스로, 매년 미국 캘리포니아주 산호세에서 열린다. 모벤시스의 연구는 Physical AI 시스템의 핵심 과제인 Sim-to-Real Gap을 실시간 제어 관점에서 접근한 것으로, 경쟁이 치열한 선정 과정을 통과해 최종 발표 과제로 채택됐다.
현재 대부분의 Physical AI 시스템은 AI 추론을 수행하는 GPU 기반 컴퓨팅 모듈과 로봇 모션 제어를 담당하는 컨트롤러가 분리되어 있어, 네트워크 연결로 인한 통신 지연과 스케줄링 지연으로 전체 제어 루프에서 Latency가 발생한다. 이로 인해 AI 의사결정과 실제 로봇 동작 간 시간적 불일치가 발생하고, 실시간 동기화와 제어 안정성에 제약이 발생한다.
모벤시스는 이러한 구조적 한계를 해결하기 위해 소프트웨어 모션 컨트롤러 WMX 기반 실시간 모션 제어 스택을 개발했다. 이 스택은 EtherCAT 기반 실시간 통신과 ROS2 인터페이스를 통해 엔비디아 Isaac 기반 애플리케이션 계층과 로봇 제어 계층을 저지연으로 연결하는 실시간 실행 계층을 제공한다. 이를 통해 AI 추론 계층과 로봇 제어 계층 사이의 지연을 최소화하고, 지능과 제어가 밀접하게 결합된 실행 구조를 구현한다.
Jetson Orin 환경에서 Isaac Manipulator를 활용한 비교 실험에서는 기존 외부 로봇 컨트롤러 구조 대비 모벤시스 실시간 스택이 추종 오차(MAE)를 약 85% 줄이는 성능을 확인했다. 이 결과는 Physical AI 시스템에서 AI 결정과 실제 동작 간 간극을 줄이는 실시간 제어 계층의 중요성을 보여준다.
모벤시스의 소프트 모션 기술은 MIT 연구에서 출발했으며, 반도체 제조 장비 등 산업 자동화 분야에도 적용되고 있다. 이번 연구는 이러한 산업용 실시간 제어 기술을 로봇 파운데이션 모델 기반 소프트웨어 스택과 결합해 Physical AI 실행 인프라를 구축하는 접근법을 제시한다. 발표에서는 실시간 실행 스택을 활용한 센서 기반 적응형 파인튜닝 구조 등 확장 가능성도 소개됐다.
모벤시스는 “Physical AI 시스템에서는 AI 모델뿐 아니라 현실 환경에서 안정적으로 실행할 수 있는 실시간 인프라가 핵심”이라며, “산업용 제어 기술을 기반으로 차세대 로봇에서 활용 가능한 Physical AI 실행 플랫폼 개발을 계속 추진할 것”이라고 밝혔다.
- 관련 기사 더 보기
Movensys Presents Poster at NVIDIA GTC 2026 for Physical AI Real-time Execution Stack Research
Movensys announced on the 17th that its research on the Physical AI real-time execution stack was selected for the NVIDIA GTC 2026 poster session and presented on-site.
NVIDIA GTC is a global technology conference held annually in San Jose, California, where technologies and application cases in the fields of AI, robotics, digital twins, and accelerated computing are shared. Movensys' research, which approaches the Sim-to-Real Gap—a core challenge in Physical AI systems—from the perspective of real-time control, was selected as a final presentation topic after passing a highly competitive selection process.
Currently, most Physical AI systems separate GPU-based computing modules that perform AI inference from controllers responsible for robot motion control. Consequently, latency occurs throughout the entire control loop due to communication and scheduling delays caused by network connectivity. This results in a temporal discrepancy between AI decision-making and actual robot movements, imposing limitations on real-time synchronization and control stability.
To address these structural limitations, Movensys developed a real-time motion control stack based on the WMX software motion controller. This stack provides a real-time execution layer that connects the NVIDIA Isaac-based application layer and the robot control layer with low latency through EtherCAT-based real-time communication and ROS2 interfaces. This minimizes latency between the AI inference layer and the robot control layer, enabling an execution structure where intelligence and control are closely coupled.
In comparative experiments using the Isaac Manipulator in a Jetson Orin environment, the Movensys real-time stack demonstrated a performance that reduced the Modified Atomic Error (MAE) by approximately 85% compared to the existing external robot controller architecture. This result demonstrates the importance of a real-time control layer in reducing the gap between AI decisions and actual actions in Physical AI systems.
Movensys' soft motion technology originated from MIT research and is being applied in industrial automation fields, such as semiconductor manufacturing equipment. This research presents an approach to building a Physical AI execution infrastructure by combining this industrial real-time control technology with a Robot Foundation model-based software stack. The presentation also introduced scalability possibilities, such as a sensor-based adaptive fine-tuning structure utilizing the real-time execution stack.
Movensys stated, “In physical AI systems, the key is not only the AI model but also real-time infrastructure capable of stable execution in real-world environments,” adding, “We will continue to pursue the development of a physical AI execution platform applicable to next-generation robots, based on industrial control technology.”
- See more related articles
Movensis、Physical AIリアルタイム実行スタック研究でNVIDIA GTC 2026ポスターを発表
モベンシスは同社のPhysical AIリアルタイム実行スタック研究がNVIDIA GTC 2026ポスターセッションに選ばれ、現地で発表されたと17日明らかにした。
NVIDIA GTCはAI、ロボティクス、デジタルツイン、加速コンピューティング分野の技術と適用事例が共有されるグローバル技術カンファレンスで、毎年米国カリフォルニア州サンノゼで開かれる。モベンシスの研究は、Physical AIシステムの核心課題であるSim-to-Real Gapをリアルタイム制御の観点から接近したもので、競争が激しい選定過程を通過し、最終発表課題として採択された。
現在、ほとんどのPhysical AIシステムは、AI推論を行うGPUベースのコンピューティングモジュールとロボットモーション制御を担当するコントローラが分離されており、ネットワーク接続による通信遅延とスケジューリング遅延で、全体の制御ループでLatencyが発生する。これにより、AI意思決定と実際のロボット動作との間の時間的な不整合が生じ、リアルタイム同期と制御安定性に制約が生じる。
モベンシスは、この構造的な制限を解決するために、ソフトウェアモーションコントローラWMXベースのリアルタイムモーションコントロールスタックを開発しました。このスタックは、EtherCATベースのリアルタイム通信とROS2インターフェイスを介してNVIDIA Isaacベースのアプリケーション層とロボット制御層を低遅延に接続するリアルタイム実行層を提供します。これにより、AI推論層とロボット制御層との間の遅延を最小限に抑え、知能と制御が密接に結合された実行構造を実現します。
Jetson Orin環境でIsaac Manipulatorを活用した比較実験では、従来の外部ロボットコントローラ構造と比較して、モベンシスリアルタイムスタックが追従誤差（MAE）を約85％低減する性能を確認した。この結果は、物理AIシステムにおけるAI決定と実際の動作間のギャップを減らすリアルタイム制御層の重要性を示しています。
モベンシスのソフトモーション技術はMIT研究から出発し、半導体製造装置など産業自動化分野にも適用されている。この研究では、これらの産業用リアルタイム制御技術をロボット基盤モデルベースのソフトウェアスタックと組み合わせて、Physical AI実行インフラストラクチャを構築するためのアプローチを提示します。発表ではリアルタイム実行スタックを活用したセンサーベースの適応型ファインチューニング構造など拡張可能性も紹介された。
モベンシスは「Physical AIシステムではAIモデルだけでなく、現実環境で安定的に実行できるリアルタイムインフラストラクチャが核心」とし、「産業用制御技術を基盤に次世代ロボットで活用可能なPhysical AI実行プラットフォームの開発を推進し続ける」と明らかにした。
- 関連記事をもっと見る
Movensys 在 NVIDIA GTC 2026 大会上展示了关于物理 AI 实时执行堆栈研究的海报
Movensys 于 17 日宣布，其关于物理 AI 实时执行堆栈的研究成果入选 NVIDIA GTC 2026 海报展示环节，并将在现场进行展示。
NVIDIA GTC 是每年在加利福尼亚州圣何塞举办的全球技术大会，旨在分享人工智能、机器人、数字孪生和加速计算等领域的技术和应用案例。Movensys 的研究从实时控制的角度出发，着手解决物理人工智能系统面临的核心挑战——仿真与现实之间的差距，经过激烈的遴选，最终被选为大会的最终展示主题。
目前，大多数物理人工智能系统将执行人工智能推理的基于GPU的计算模块与负责机器人运动控制的控制器分离。因此，由于网络连接导致的通信和调度延迟，整个控制回路都会出现延迟。这造成人工智能决策与机器人实际运动之间存在时间差异，从而限制了实时同步和控制稳定性。
为了克服这些结构性限制，Movensys 开发了一种基于 WMX 软件运动控制器的实时运动控制协议栈。该协议栈提供了一个实时执行层，通过基于 EtherCAT 的实时通信和 ROS2 接口，以低延迟连接基于 NVIDIA Isaac 的应用层和机器人控制层。这最大限度地减少了 AI 推理层和机器人控制层之间的延迟，从而实现了智能与控制紧密耦合的执行结构。
在基于 Jetson Orin 平台的 Isaac 机械臂对比实验中，Movensys 实时控制栈的性能表现优于现有的外部机器人控制器架构，其修正原子误差 (MAE) 降低了约 85%。这一结果表明，实时控制层对于缩小物理人工智能系统中人工智能决策与实际动作之间的差距至关重要。
Movensys 的柔性运动技术源自麻省理工学院的研究，目前已应用于半导体制造设备等工业自动化领域。本研究提出了一种构建物理人工智能执行基础设施的方法，该方法将这项工业实时控制技术与基于机器人基金会模型的软件栈相结合。此外，报告还介绍了可扩展性方案，例如利用实时执行栈实现的基于传感器的自适应微调结构。
Movensys表示：“在物理人工智能系统中，关键不仅在于人工智能模型，还在于能够在真实世界环境中稳定执行的实时基础设施。”该公司还补充道：“我们将继续致力于开发基于工业控制技术的、适用于下一代机器人的物理人工智能执行平台。”
- 查看更多相关文章
Movensys présente un poster à la NVIDIA GTC 2026 sur la recherche concernant la pile d'exécution en temps réel de l'IA physique.
Movensys a annoncé le 17 que ses recherches sur la pile d'exécution en temps réel de l'IA physique avaient été sélectionnées pour la session d'affiches de la NVIDIA GTC 2026 et présentées sur place.
NVIDIA GTC est une conférence technologique mondiale qui se tient chaque année à San Jose, en Californie. Elle présente des technologies et des cas d'application dans les domaines de l'IA, de la robotique, des jumeaux numériques et du calcul accéléré. Les travaux de recherche de Movensys, qui abordent l'écart entre simulation et réalité (un défi majeur des systèmes d'IA physique) sous l'angle du contrôle en temps réel, ont été retenus comme sujet de présentation finale après un processus de sélection très sélectif.
Actuellement, la plupart des systèmes d'IA physique séparent les modules de calcul basés sur GPU, qui effectuent l'inférence de l'IA, des contrôleurs responsables du contrôle des mouvements du robot. Par conséquent, une latence apparaît tout au long de la boucle de contrôle en raison des délais de communication et d'ordonnancement liés à la connectivité réseau. Il en résulte un décalage temporel entre la prise de décision de l'IA et les mouvements réels du robot, ce qui limite la synchronisation en temps réel et la stabilité du contrôle.
Pour pallier ces limitations structurelles, Movensys a développé une pile de contrôle de mouvement en temps réel basée sur le contrôleur de mouvement logiciel WMX. Cette pile fournit une couche d'exécution en temps réel qui connecte la couche applicative (basée sur NVIDIA Isaac) et la couche de contrôle du robot avec une faible latence grâce à une communication en temps réel via EtherCAT et des interfaces ROS2. Ceci minimise la latence entre la couche d'inférence IA et la couche de contrôle du robot, permettant ainsi une architecture d'exécution où intelligence et contrôle sont étroitement couplés.
Lors d'expériences comparatives menées avec le manipulateur Isaac dans un environnement Jetson Orin, la pile logicielle temps réel Movensys a démontré une performance réduisant l'erreur atomique modifiée (MAE) d'environ 85 % par rapport à l'architecture de contrôleur robot externe existante. Ce résultat souligne l'importance d'une couche de contrôle temps réel pour réduire l'écart entre les décisions de l'IA et les actions réelles dans les systèmes d'IA physique.
La technologie de mouvement souple de Movensys, issue des recherches du MIT, est utilisée dans l'automatisation industrielle, notamment pour les équipements de fabrication de semi-conducteurs. Cette recherche présente une approche pour la construction d'une infrastructure d'exécution d'IA physique, combinant cette technologie de contrôle industriel en temps réel avec une pile logicielle basée sur le modèle Robot Foundation. La présentation a également abordé les possibilités d'évolutivité, telles qu'une structure d'ajustement fin adaptatif basée sur des capteurs et utilisant la pile d'exécution en temps réel.
Movensys a déclaré : « Dans les systèmes d'IA physique, la clé réside non seulement dans le modèle d'IA, mais aussi dans une infrastructure en temps réel capable d'une exécution stable dans des environnements réels », ajoutant : « Nous continuerons à poursuivre le développement d'une plateforme d'exécution d'IA physique applicable aux robots de nouvelle génération, basée sur la technologie de contrôle industriel. »
- Voir plus d'articles connexes
You must be logged in to post a comment.