NVIDIA와 Foxconn, 로봇을 이용해 GB300 조립, 목표 성공률 99.5% 달성

2026년 10월 4일, 기술신보는 NVIDIA와 Foxconn이 Grace Blackwell GB300 테스트 트레이의 조립 프로세스를 로봇으로 시험하고 있으며, 양측의 목표는 핵심 조립 작업의 성공률을 99.5% 이상으로 끌어올리는 것이라고 보도했습니다. 이 보도는 두 기업이 현재 진행 중인 협업의 구체적인 목표와 기대 효과를 상세히 전달하고 있습니다. 특히, 양사는 초기 파일럿 단계에서 얻은 데이터를 기반으로 향후 대량 생산에 적용 가능한 로봇 시스템을 설계하고 있다는 점을 강조했습니다.

개발 배경 및 목표

NVIDIA가 시애틀에 둔 로봇 실험실과 그 안의 Isaac 엔지니어링 팀은 최근 GB300의 계약 제조업체인 Foxconn(폭스콘)과 협력을 시작했습니다. 이 협력은 고정밀도와 장시간 연속 운용이 가능한 자동화 조립 기술에 초점을 맞추고 있으며, 양측은 생산 라인에 적용할 최소 기준을 명확히 정의했습니다. 구체적으로 성공률은 최소 99.5%를 넘어야 하고, 트레이와의 충돌이 없어야 하며, 버스(데이터 버스) 조립 시간은 124초를 초과하지 않아야 하고, 커넥터 삽입 시간은 72초를 초과하지 않아야 한다는 네 가지 핵심 목표를 설정했습니다.

이번 협력의 핵심은 NVIDIA가 보유한 Isaac Lab 강화학습 플랫폼과 Foxconn이 제공하는 방대한 제조 자원을 결합하는 데 있습니다. 이를 통해 변동이 잦은 생산 환경에서도 높은 안정성을 유지할 수 있는 로봇 시스템을 구축하려는 것이 목표이며, 양사는 이러한 시스템이 실제 현장에 적용될 때 기대되는 효율성 향상과 품질 보증 효과를 강조하고 있습니다. 특히, 강화학습 기반의 적응형 제어 로직이 복잡한 조립 상황에서도 일관된 성능을 유지하도록 설계되었습니다.

로봇 조립 프로세스 및 현황

GB300 테스트 트레이의 조립 작업은 두 가지 주요 단계로 구분됩니다. 첫 번째 단계는 길고 무거운 데이터 버스를 정확한 위치에 배치하고, 로봇 팔을 이용해 16개의 나사를 정밀하게 체결하는 작업이며, 두 번째 단계는 크기가 큰 커넥터 두 개와 작은 커넥터 두 개, 총 네 세트의 고공차 커넥터를 삽입하는 작업입니다. 이 두 작업은 각각 로봇의 위치 정확도, 힘 제어 능력, 그리고 센서 피드백에 대한 매우 엄격한 요구 사항을 제시합니다. 각 단계마다 로봇이 실시간으로 오류를 감지하고 교정하는 메커니즘이 적용되고 있습니다.

현재까지 진행된 테스트 결과에 따르면, 데이터 버스의 배치와 나사 체결 성공률은 95%를 넘어섰으며, 버스와 커넥터 전체 과정을 포함한 전체 평균 소요 시간은 약 160초에 달하고 있습니다. 이는 아직 목표로 설정된 124초와 72초의 시간 제한에 미치지 못하는 수치이며, 추가적인 최적화가 필요함을 보여줍니다. 특히, 시간 초과가 발생하는 구간은 주로 커넥터 삽입 단계에서 관찰되고 있어, 해당 단계에 대한 세밀한 튜닝이 요구됩니다.

커넥터 삽입 작업은 Isaac Lab의 강화학습 알고리즘, 실제 제조 현장에서 수집된 데이터, 그리고 맞춤형 그리퍼 설계가 결합된 형태로 진행되고 있습니다. 로봇은 시뮬레이션 환경에서 다양한 삽입 전략을 학습하고, 실제 기계에 적용하면서 지속적으로 파라미터를 조정하여 고공차 커넥터에 대한 내성을 향상시키고 있습니다. 이러한 접근 방식은 복잡한 조립 상황에서도 로봇이 스스로 최적의 동작을 찾아낼 수 있도록 돕습니다. 또한, 실시간 센서 피드백을 활용해 삽입 각도와 힘을 미세 조정하는 과정이 자동으로 수행됩니다.

향후 양산 로드맵 및 과제

양측은 현재 테스트 단계가 개발 진행 상황을 나타내는 것일 뿐이며, 아직 대량 생산에 바로 투입될 수 있는 수준은 아니라는 점을 명확히 밝혔습니다. 앞으로의 핵심 과제로는 데이터 버스 조립 성공률을 99.5% 이상으로 끌어올리는 일, 전체 프로세스 시간을 목표치인 124초와 72초로 단축하는 일, 그리고 장시간 운용 시 트레이와의 충돌이 발생하지 않도록 로봇의 안전성을 확보하는 일이 포함됩니다. 이러한 과제는 각각 하드웨어 개선, 소프트웨어 최적화, 그리고 운영 환경 검증을 통해 단계적으로 해결될 예정입니다.

이러한 과제를 극복하기 위해 NVIDIA는 Isaac Lab의 학습 데이터베이스를 지속적으로 확대하고, Foxconn과 공동으로 로봇 팔의 하드웨어 구조와 센서 배치를 최적화할 계획이라고 발표했습니다. 동시에 Foxconn은 실제 생산 라인에서 다양한 배치 샘플을 추가로 제공하여, 로봇이 서로 다른 배치의 제품에서도 일관된 성능을 발휘할 수 있는지를 검증할 예정입니다. 양사는 데이터 공유와 공동 실험을 통해 모델의 일반화 능력을 강화하고 있습니다.

현재 테스트 결과는 로봇이 고부하와 고공차 조건에서도 상당한 안정성을 보여주고 있음을 시사합니다. 그러나 99.5%라는 높은 성공률 목표를 달성하기 위해서는 정밀 보정과 동적 장애물 회피 기술에서 추가적인 돌파구가 필요하다고 양측은 강조하고 있습니다. 이러한 기술적 개선이 이루어져야만 최종 목표에 도달할 수 있습니다. 특히, 실시간 충돌 감지와 회피 알고리즘의 신뢰성을 높이는 것이 중요한 과제로 남아 있습니다.

요약하면, NVIDIA와 Foxconn의 협업은 GB300 테스트 트레이의 로봇 조립 분야에서 눈에 띄는 진전을 이루었으며, 특히 데이터 버스와 커넥터의 자동화 처리 측면에서 큰 잠재력을 보여주고 있습니다. 만약 시간 제한과 성공률이라는 마지막 장벽을 성공적으로 극복한다면, 고성능 서버와 AI 가속 카드의 대량 생산을 위한 완전 새로운 자동화 솔루션을 제공할 수 있을 것으로 기대됩니다. 이는 차세대 데이터 센터 장비의 생산 효율성을 크게 향상시킬 가능성을 내포하고 있습니다.

현재 양측은 검증 및 최적화 단계에 박차를 가하고 있으며, 향후 몇 개월 내에 모든 기준을 충족하는지 여부를 최종 확인할 계획이라고 밝혔습니다. 모든 기준이 검증되면 전체 생산 라인에 적용할 수 있는 가능성을 평가하고, 구체적인 투입 일정과 로드맵을 수립할 예정입니다. 이 과정에서 추가적인 파일럿 라인 운영과 현장 피드백 수집이 진행될 것이며, 최종적인 상용화 시점은 검증 결과에 따라 조정될 것입니다.