베어로보틱스의 KINO-2는 사람이 작업하는 모습을 학습해 휴머노이드 로봇 KR1이 물체를 다루도록 돕는 학습·배포 플랫폼이다. 회사는 2026년 10월 21일 엔비디아 GTC 베를린에서 이를 공개했다. 작업 시연으로 모델을 훈련하고 다듬은 다음, KR1에서 기술을 평가해 고객사 파일럿으로 이어가는 방식이다.
4
20
작업 시연에서 고객사 시험까지
KINO-2의 과정은 작업 시연 데이터를 모으는 데서 시작한다. 베어로보틱스는 이 데이터를 활용해 모델을 학습·개선하고, KR1에서 작업 수행 능력을 평가한 뒤 고객사 현장 시험에 적용한다고 설명했다. 목표는 물건을 옮기는 데 그치지 않고, 집고 담는 조작 능력을 기존 로봇의 이동 기능과 업무 흐름에 연결하는 것이다.
10
20
이번 플랫폼은 베어로보틱스의 기존 KINO 학습 프로그램을 확장한 것이다. 회사는 2026년 키니시 로보틱스를 인수해 KR1과 기존 KINO 프로그램을 확보했다. 베어로보틱스는 현재까지 1만6,000대가 넘는 로봇을 배치했으며, 대부분은 서비스 로봇으로 5,000곳 이상의 고객 사업장에서 운영 중이라고 밝혔다.
10
20
21
엔비디아 소프트웨어와 추론 속도
KINO-2는 KR1의 인지 처리 런타임으로 엔비디아 Isaac OS를 사용한다. 베어로보틱스에 따르면 Isaac OS에는 Holoscan SDK 5.0이 포함되며, Jetson AGX Thor에서 인지 처리와 모델 추론을 연결한다. 회사는 여기에 TensorRT와 모델 양자화 기술을 활용해 추론을 최적화했다고 밝혔다.
4
베어로보틱스가 공개한 내부 측정 결과, Isaac GR00T의 추론 시간은 약 500밀리초에서 약 60밀리초로 줄었다. 자체 모델은 72.3밀리초에서 17.2밀리초로 단축됐다.
4
6
다만 이 수치는 AI 모델이 추론을 수행하는 데 걸린 시간이다. 물체를 찾고 집어 옮겨 작업을 마치는 로봇의 전체 소요 시간이 같은 비율로 줄었다는 뜻은 아니다.
엔비디아는 베어로보틱스가 KINO-2로 GR00T를 후학습해 창고, 반품 처리, 산업 현장 작업에 활용한다고 설명했다.
9 공개된 자료만으로는 외부 파운데이션 모델을 KINO-2에서 어떤 방식으로 지원하는지, 작업별 추가 엔지니어링을 얼마나 줄이는지 구체적으로 확인하기 어렵다.
현장 적용 가능성과 남은 질문
베어로보틱스가 제시한 사례 중 하나는 창고 포장이다. KR1이 병을 집어 상자에 담는 조작을 익히고, 회사의 기존 시스템은 물품을 작업 흐름에 따라 이동시키는 방식이다. 고객사 파일럿은 진행 중이지만, 공개 자료에는 전체 작업 시간이나 조작 정확도, 장기간 운영 시 신뢰성에 관한 수치가 제시되지 않았다.
10
20
따라서 추론 시간 단축은 로봇이 더 빠르게 반응하는 데 도움이 될 가능성을 보여주는 지표이지, 창고나 반품 업무 전체가 더 빨라지거나 정확해졌다는 증거는 아니다. KINO-2의 현재 공개된 핵심은 사람의 시연을 로봇 기술로 옮겨 현장 시험까지 연결하는 과정이다. 실제 생산 현장에서 어느 정도 성과를 내는지는 작업별 검증 결과가 나와야 판단할 수 있다.