Metatron-v1: NVIDIA의 조용한 휴머노이드 정책은 언어 모델이 아니다

2026년 10월 27일 늦게, nvidia/Metatron-v1이라는 저장소가 Hugging Face에 등장했다. 보도자료도, NVIDIA 자체 블로그 게시물도 없었다. 그 블로그에서 이 이름을 검색해도 여전히 "No Results Found"라는 결과만 나온다. 논문도, 제품 페이지도 없었다. 실제로 등장한 것은 각각 약 403MB인 ONNX 파일 두 개, 라이선스, NOTICE 파일, 그리고 Unitree G1 휴머노이드용 학습 기반 보행·회복 컨트롤러를 설명하는 모델 카드였다. Metatron-v1은 언어 모델이 아니라 로봇 정책이며, 그것에 대해 알아둘 가치가 있는 거의 모든 내용은 그 카드에서 읽어내야 한다. 달리 읽을 만한 자료가 존재하지 않기 때문이다.

저장소 자체의 카운터는 이것이 얼마나 조용히 등장했는지를 보여 준다. UTC 21:43부터 22:32 사이의 커밋 6개, 좋아요 3개, 그리고 의미 있는 다운로드 수치는 전혀 없다. 이 모델은 다운로드가 추적되지 않는다고 페이지는 말하지만, API는 0을 보고한다. 그것은 출시가 아니다. 문서를 덧붙인 export dump를 NVIDIA 오픈 모델 라이선스 아래 공개해 누군가 발견하기를 기다린 것이다.

이름이 가장 먼저 오해를 부르는 부분이다.

Metatron은 NVIDIA의 실제 오픈 언어 모델 계열인 Nemotron과 한 글자 차이에 불과하며, 그 유사성은 이미 문제를 일으키고 있다. 동일한 Hugging Face 조직이 둘 다 공개하고, 이 저장소의 태그는 robotics / reinforcement-learning / humanoid로 표시되며, pipeline 태그는 text-generation이 아니라 reinforcement-learning이다. 그렇다고 해도 이 이름이 채팅 모델 옆에 분류되는 것을 막지는 못한다.

그것이 중요한 이유는 그 비교가 단지 불리한 정도가 아니라 의미가 없기 때문입니다. Metatron-v1을 Gemma 4 12B나 Qwen 3.8과 나란히 놓는 독자는 관절 이력과 목표 포즈를 모터 타깃으로 매핑하는 컨트롤러를 텍스트를 텍스트로 매핑하는 모델들 옆에 두고 있는 것입니다. 공유하는 입력도, 공유하는 출력도, 이들을 하나의 축에 놓을 수 있는 벤치마크도 없습니다. 그 페이지의 정직한 버전은 한 문장이겠지만, 그래서 우리는 그 한 문장을 쓰지 않았습니다.

정책이 소비하는 것과 생산하는 것

이 카드는 텐서에 대해 이례적으로 구체적으로 설명하는데, 그것이 이 카드의 가장 유용한 점이다. 단일 로봇 데모 파일은 총 39개의 입력을 받는다:

• 현재 G1 상태와 8개의 과거 상태 샘플 — 정책은 단일 스냅샷이 아니라 약 0.1초 분량의 최근 움직임을 봅니다.

• 들어오는 원시 액션과 9개 항목의 원시 액션 이력을 짝지어, 네트워크가 이미 무엇을 하려고 했는지 알 수 있게 했습니다.

• 마스킹된 미래 포즈, 스타일 및 속도 목표와 장면 박스 컨텍스트 — 목표는 일부는 지정되고 일부는 비어 있으며, 이는 카드가 암시하는 MaskedMimic 스타일의 인페인팅 아이디어입니다.

관절 PD 목표값을 action으로, 게인은 stiffness 및 damping으로, 그리고 raw_action을 이력 피드백용으로 반환합니다. 이 세 출력은 로봇이 제어 주기에서 필요로 하는 것이며, 인터페이스 어디에도 텍스트는 없습니다.

카드에 있는 두 가지 주장은 나머지와 분리해 볼 가치가 있다. 첫째는 보행, 장면 상호작용, 회복이 이제 하나의 정책을 공유한다는 것이다. 카드는 현재 익스포트를 별도의 회복 어댑터가 없는 에포크 6410의 “SAMP 지원 통합 학생 모델”로 설명한다. SAMP의 풀네임은 제시되지 않았지만, 장면 인지 모션 문헌에서 SAMP는 Stochastic Scene-Aware Motion Prediction을 뜻하며 장면 박스 입력도 그 해석과 맞아떨어진다. 이 확장 해석은 NVIDIA의 표현이 아니라 우리의 추론으로 간주하라. 둘째는 회복 목표가 미리 베이크된 목표가 아니라 라이브 런타임 입력으로 유지된다는 점이며, 이는 낙하 중에 다시 조준할 수 있는 정책과 고정된 애니메이션의 차이다.

두 개의 익스포트, 두 개의 런타임, 하나의 가중치 세트

두 파일은 동일한 학습된 정책을 서로 다른 그래프 레이아웃으로 담고 있으며, 카드에서는 이 둘이 서로 바꿔 쓸 수 없다고 강조합니다. 데모 파일은 로봇 한 대를 실행하며 그래프 내부에 관측 처리와 행동 변환을 포함합니다. Racer 파일은 그래프 외부에서 계산된 관측을 기대하는 6대 로봇 배치 네트워크이며, 배치 크기는 재빌드하고 재검증하지 않고는 변경할 수 없습니다.

저장소 전체에서 유일하게 등장하는 숫자는 패리티 검사입니다. 6로봇 경로를 60개의 서로 다르고 이력이 교란된 테스트 상태에서 단일 로봇 데모 내보내기와 비교했으며, 최대 절대 동작 오류는 5.55e-6이었습니다. NVIDIA는 또한 복구 높이, 복구 타이밍, 동작 이력 및 장면 입력을 변화시키고 출력이 그에 따라 변한다는 것을 확인했습니다. 두 가지 모두 내보내기 엔지니어링 검사입니다. 즉, 두 그래프가 동일한 함수를 계산하고 입력이 올바르게 연결되어 있음을 증명합니다. 이는 로봇이 직립을 유지하는지 여부에 대해서는 전혀 말해주지 않으며, 카드에도 직접적으로 이렇게 적혀 있습니다. "이는 수치적 내보내기 검사이며, 작업 성공 또는 실제 로봇 벤치마크가 아닙니다."

NVIDIA가 말하지 않은 것

없는 것의 목록은 있는 것의 목록보다 길며, 바로 그 부분을 독자가 가장 비중 있게 고려해야 한다.

• 우리가 찾을 수 있는 발표, 블로그 게시물, 논문 또는 제품 페이지가 없었고, 해당 이름으로 된 NVIDIA 블로그 보도도 전혀 없었습니다.

• 두 문구 외에는 훈련 설명이 없습니다 — MaskedMimic 스타일의 트랜스포머 학생 모델, 결정론적 사전 및 디코더 — 데이터, 컴퓨트, 훈련 목표에 대한 언급도 없습니다.

• 작업 성공률도, 낙상 복구율도, 시뮬레이션-실제(sim-to-real) 결과도, 우리가 독립적으로 검증할 수 있는 영상도 없습니다.

• 학습 체크포인트도, 데이터셋도 없습니다. 모델 카드에는 이 저장소가 완전한 학습 재현 패키지가 아니라고 분명히 명시되어 있으며, 이는 곧 여기에 미세 조정할 대상이 없다는 뜻입니다.

안전 관련 문구도 똑같이 직설적입니다. 모델은 충돌 회피 시스템이나 안전 컨트롤러가 아니며, 하드웨어 사용에는 독립적 검증, 토크 제한, 감독하 테스트, 비상 정지가 필요하고, 게임 측 보조 기능인 발사 부스트, 저중력 구역, 리스폰은 학습된 정책의 능력이라기보다 애플리케이션 메커니즘입니다. 리스폰이 능력이 아니라고 굳이 밝히는 카드는 데모에서 얼마나 많은 부분이 정책이고 얼마나 많은 부분이 게임인지에 대해 뭔가를 말해줍니다.

라이선스는 무엇을 가져가면 안 되는지 알려줍니다.

파일은 NVIDIA Open Model License에 따라 공개되며, NOTICE.txt에 출처 표기가 있고 두 ONNX 내보내기만을 구체적으로 대상으로 하는 별도 허여가 있습니다. 그 주변의 모든 것은 제외됩니다. 저장소는 모션 데이터셋, 복구 참조 클립, 로봇 메시, 게임 자산 또는 제3자 런타임 소프트웨어에 대한 권리를 부여하지 않으며, NOTICE 파일에는 "데모 전용 모션 클립의 독립적 재배포"에 관한 날카로운 문구가 추가되어 있습니다 — 데모 안에서 클립을 보여줄 수 있는 권한이 해당 클립과 함께 이전되지는 않습니다.

실무적으로 말하면, 귀하는 라이선스 조건에 따라 정책 파일을 재배포할 수는 있지만, 이 저장소에서 데모를 다시 빌드할 수는 없습니다. 메시, 클립, 런타임 코드, 애플리케이션 구성이 다른 곳에서 각자의 조건에 따라 배포되기 때문입니다. 또한 이 카드에는 공개 브라우저 배포를 위해서는 파일에 대한 익명 접근이 필요하다는 점이 명시되어 있는데, 이는 해당 내보내기가 어떤 배포 모델을 염두에 두고 만들어졌는지를 시사하는 단서입니다.

오늘 이걸로 실제로 뭔가 할 수 있는 사람은 누구인가요?

사람은 많지 않으며, 카드는 그 이유를 솔직하게 밝힌다. 브라우저 통합은 물리 연산을 위해 WebAssembly로 컴파일된 MuJoCo를, 추론을 위해 ONNX Runtime Web을 실행한다. WebGPU를 권장하며, CPU/WASM 폴백은 "실시간 6로봇 작동을 보장하지 않는다." 통합에는 일치하는 런타임 매니페스트와 동일한 관절 및 바디 순서, 쿼터니언 규약, 히스토리 순서, 정규화, 타깃 마스크, 제어 속도 및 액션 매핑이 필요하다. 그중 하나라도 틀리면 정책은 멀쩡히 실행되면서 엉터리 결과를 낸다.

브라우저 밖에서의 배포도 언급됩니다 — 다른 시뮬레이터, 실제 G1 하드웨어 — 하지만 구체적인 방법은 함께 제공되지 않으며, 이 카드에서는 이 파일들이 하드웨어에서 검증되었다고 보증하지 않는다고 명시적으로 밝힙니다. G1과 MuJoCo 장면을 갖춘 연구팀에게는 그것만으로도 시작하기에 충분합니다. 그 외의 모든 사람에게는 참고용 산출물입니다.

라우터가 적합한 경우와 그렇지 않은 경우

Metatron-v1은 API를 통해 호출할 수 없으며, 여기서 설명하는 어떤 것도 그 사실을 바꾸지 않습니다: NVIDIA가 공개한 것은 호스팅된 엔드포인트가 아니라 시뮬레이터 옆에 로드하는 한 쌍의 파일입니다. 우리가 라우팅하는 것은 로봇 스택의 나머지 절반, 즉 컨트롤러를 둘러싼 언어 작업입니다. 정책이 인계받기 전에 작성되는 작업 계획, 실행 후 요약되는 텔레메트리 및 실패 로그, 구조화된 목표로 변환되는 모션 캡션. OrcaRouter는 200개 이상의 모델을 하나의 키 뒤에 공급자 정가로 마크업 없이 제공하며, 한 공급자의 엔드포인트가 다운되면 자동으로 페일오버합니다. 이는 평가 하네스가 밤새 완료되는지, 아니면 조용히 실행의 절반을 잃는지의 차이입니다.

그것이 연결의 전부입니다. 당신의 질문이 MuJoCo에 어떤 컨트롤러를 로드할지에 관한 것이라면, 이 글은 그 답을 위한 곳이 아니며 어떤 라우팅 결정도 도움이 되지 않을 것입니다.

이 이야기를 바꿀 것은 무엇일까

대략 중요한 정도 순서로 네 가지입니다. 하드웨어에서의 과제 성공 수치를 담은 실제 발표가 있다면 카드를 하나의 주장으로 바꿔 놓을 것입니다. 훈련 체크포인트나 데이터셋이 있다면 정책을 고정된 것이 아니라 적응 가능한 것으로 만들 것입니다. 공개 시뮬레이터에서의 독립적 재현이 있다면 NVIDIA가 아닌 누군가가 통합된 장면 및 복구 설계가 작동하는지 말할 수 있게 될 것입니다. 그리고 공개적으로 배포되는 애플리케이션 번들—브라우저 데모와 6대 로봇 Racer—이 있다면 나머지 우리가 정책이 실제로 움직일 때 어떤 모습인지 볼 수 있게 될 것이며, 이는 모델 카드가 보여 줄 수 없는 단 하나의 것입니다.

그때까지 흥미로운 사실은 정책이 아니다. 그것은 공개 방식이다. NVIDIA는 휴머노이드 컨트롤러를 라이선스와 신중한 한계 섹션을 붙여 오픈 허브에 올리고, 아무에게도 알리지 않았으며, 예전이라면 출시 글이 짊어졌을 무게를 모델 카드가 대신 지게 했다. 커밋 여섯 개, 좋아요 세 개, 그리고 시작조차 하지 않은 다운로드 카운터. 이것이 기업이 아티팩트 자체가 곧 발표라고 결정했을 때의 릴리스 모습이다.