direct fun, deep study

다양한 형태(wheeled·quadruped·humanoid)의 로봇을 하나의 mobility 정책으로 움직이는 cross-embodiment 문제를 완전 정복한다. NVIDIA COMPASS(arXiv:2502.16372)의 3단계 파이프라인 — Imitation Learning + Residual RL + Policy Distillation — 을 뼈대로, World Model 기반 navigation(X-Mobility), covariate shift, embodiment conditioning, generative policy의 averaging 문제, Sim-to-Real, 그리고 2026년 Navigation Foundation Model(NavFoM·GR00T)까지. 데이터 스케일링 vs 구조적 분리라는 두 패러다임을 insight 중심으로 다루는 연구자용 10챕터 커리큘럼.

2026년 7월 기준 NVIDIA가 Physical AI 분야를 어떻게 하나의 스택으로 만들어가는지 전체 그림을 그린다. Omniverse·OpenUSD·Isaac Sim·Isaac Lab·Cosmos의 history와 관계성 같은 기초부터, three computers 아키텍처, 합성 데이터 파이프라인(MobilityGen·GR00T-Dreams), GR00T foundation model 계보(N1→N1.7), 로봇 정책 워크플로우(COMPASS·HOVER), autonomous driving·산업 디지털 트윈, Jetson Thor 배치, GTC 2026 최전선(Cosmos 3·Newton 1.0)까지. NVIDIA 공식 다이어그램 다수 포함, 개념·아키텍처와 insight 중심의 13챕터 지도.

2024–2026년 최신 논문 기반 Ego-Exo 연구 완전 정복. Ego-Exo4D·EgoExoBench·EgoExoMem 벤치마크, CCMP(CVPR 2026) 사이클 일관성 대응 학습, Naive Fusion 실패(-8.1%) 분석, Foundation Model 한계(55.3%) 극복 방향, Novel View Synthesis·3D 재구성, 멀티모달 통합까지 — 논문 작성을 목표로 한 연구자용 10챕터 커리큘럼.