# 로봇 플랫폼 비교와 ASLA 제품 구조

조사일: 2026-10-31 KST. 공개 공식 원문을 HTTP로 읽고 비교했다. 검색 서비스는 오류, Google 검색은 HTTP429를 반환해 검색 결과 기반의 경쟁사 전체 목록은 확보하지 못했다. 아래는 직접 확인한 공식 자료에 한정한다. 데모 로그인이나 실제 고객 제품 조작, GPU 워크로드 검증은 수행하지 않았다. 공개 설명은 공급자 주장이지 독립 성능 검증이 아니다.

| 공식 자료 | 확인한 기능/흐름 | ASLA 구현에 적용할 결정 | 확인하지 않은 것 |
|---|---|---|---|
| Intrinsic Flowstate — https://www.intrinsic.ai/flowstate | 작업 셀 digital twin, 하드웨어 배치, 센서/하드웨어를 호출하는 skills, behavior tree, 실패 복구, 시뮬레이션 검증 후 실기체 최적화 | 로봇 지도와 작업 단계, 선택한 작업/로봇의 모델·경험·검증을 연결. 기능별 독립 사이트를 만들지 않음 | 내부 학습/연합 알고리즘·고객 화면 전체·성능 |
| NVIDIA Robotics — https://www.nvidia.com/en-us/industries/robotics/ | Isaac Sim은 물리/센서 시뮬레이션, Isaac Lab은 정책 학습/평가, Isaac ROS/Jetson은 엣지 실행. 학습·시뮬레이션·추론 컴퓨팅 분리 | Cloudflare는 제어/증적 계층. 웹 격자 모델을 Isaac 물리 시뮬레이션이나 실기체 자율주행이라 표현하지 않음 | SDK 실제 연결·GPU 학습·sim-to-real 성능 |
| NVIDIA OSMO — https://developer.nvidia.com/osmo | 데이터·학습·시뮬레이션·SIL/HIL 워크플로 실행과 컴퓨팅 조율. FAQ는 운영 로봇 배포 자체는 범위 밖이라고 설명 | ASLA 오퍼·정책·검증·배포 기록을 일관된 실행 ID로 연결. 스케줄러나 훈련 프레임워크와 혼동하지 않음 | OSMO 연동·운영 배포·레지스트리 기능을 OSMO 제공으로 주장하지 않음 |
| Foxglove Docs — https://docs.foxglove.dev/docs | 시계열·로그·비디오·3D·지도, MCAP/ROS 기록, 장치/시간/토픽 검색, 재생/비교, live bridge | 실제 실행 trace와 Learning Offer/모델을 연결. 현재 구현은 격자 좌표/상태 trace만 지원하며 MCAP·카메라는 미연결 | 실제 데이터 UI 전 기능·텔레오퍼레이션 안전성 |
| InOrbit RobOps — https://www.inorbit.ai/robops | 관측·진단·통합·완화·개입·최적화·예방, 엔지니어/운영/경영 사용자, SDK/API/web, 이종 로봇 상호운용성 | 작업·관측·오류·복구를 운영 화면에서 추적. 로봇 연결 상태와 시뮬레이션 상태를 구분 | 내부 협업 최적화 알고리즘·학습 기능 |
| LeRobot Docs — https://huggingface.co/docs/lerobot/index | Teleoperate→Record→Train→Deploy, 동기화 영상/action/state 데이터, 정책 학습/시뮬레이션 평가, CLI/GUI | 경험 수집/학습/평가/배포를 명시적인 단계로 분리. 실제 학습 프레임워크와 ASLA 제어 정책의 책임 분리 | LeRobot 설치/학습 실행·기체 연결·모델 다운로드 |
| Skild AI — https://www.skild.ai/ | omni-bodied brain 지향, 탐색·물체 파지·인계 등의 기술과 응용 설명 | 자율주행/조작 정책을 ASLA 자체로 혼동하지 않음. ASLA는 경험 선택·검증 계층에 집중 | 로봇 범용성 독립 검증·내부 모델·연합 알고리즘 |

Formant도 https://formant.io/ 에서 https://www.formant.ai/ 로 이동한 공식 원문을 확인했다. 로봇 관측/원격 지원, 진단, 운영 거버넌스를 설명한다. 동적 카운터의 비정상 추출값은 사용하지 않았다.

## ASLA 기준 문서와의 정합성

기준: https://docs.google.com/document/d/1qk-MgBlS9TXr0dkVUsyh5XNIrWIonh9p/edit (Drive 읽기 성공).

1.0은 Learning Offer→Governance→의미·호환성·효용·신뢰·위험 평가→Learn/Sandbox/Reject/Defer/Memorize/Federate→Outcome/Audit이다. 1.0 CVSF-MA는 multi-anchor, cross-validation, trust와 선택 집계를 포함하며 합성 제조에서만 검증됐다. 이 프로젝트는 정본 코드가 없으므로 **새 로봇 참조 구현**이다. 과거 제조 성능을 새 로봇 결과로 제시하지 않는다.

2.0은 선택/배치/연합 정책 자체의 learned policy optimization(πφ/ρψ/fω) 설계다. 자동 배포·복구 또는 단순 온라인 위험 추정은 2.0 구현 증거가 아니다.

3.0은 Context Transition Intelligence 연구 가설이다. 지도 위 로봇 이동이나 일반적인 미래 위치 예측을 3.0 구현으로 표현하지 않는다.

## 제품 결정

한 워크스페이스 안에 현장·작업, Learning Inbox, Sandbox, 모델 적용/복구, 정책·감사, 반복 비교시험을 둔다. 로봇을 선택하면 해당 로봇의 작업→관측→오퍼→검증→모델 계보가 이어진다. 핵심은 화면의 3D 장식이 아니라 Learning Offer와 대상 맥락, 운영 모델 보호, 결과 추적이다.

기존 합성 56차원 분류 실험과 격자 운반 실험은 서로 다른 스키마다. 화면을 통합하더라도 파라미터를 섞지 않는다. 이전 데이터/실험 API와 저장 기록은 보존한다.

## 이번 구현의 검증 한계

브라우저용 격자 운반·베르누이 위험 추정은 제어 계층을 검증하는 작은 참조 도메인이다. 카메라/LiDAR, SLAM, ROS2/Nav2, VLA/RL, 실제 토크/속도 명령, 물리 엔진은 미연결이다. Cloudflare에 이들을 구현했다고 주장하지 않는다. 운영 기체/센서/컴퓨팅 자원이 없으므로 현장 자율주행 완성 판정은 불가하다. 이 한계를 작은 글씨로 숨기지 않고 연결 현황에 표시한다.