강화 학습, 모션 확산 모델, 온보드 인식 등 모든 것이 서로 다른 컴퓨팅 환경에서 실행됩니다. 이러한 정책 학습은 GPU 클러스터에서 실행되지만, 로봇 자체는 내장 하드웨어에서 실시간으로 추론을 수행하고, 사용자를 탐색하며 자율적으로 동작을 생성합니다. 이러한 엣지-클라우드 조정, 데이터 센터에서의 시뮬레이션 및 학습, 로봇에서의 실시간 추론, 그리고 양쪽 간의 데이터 흐름은 배포하는 로봇의 수에 따라 확장되는 컴퓨팅 오케스트레이션 과제입니다. #NuNet이 해결하는 문제가 바로 이것입니다. 클라우드 GPU에서 엣지 디바이스에 이르기까지 이기종 인프라 전반에 걸쳐 워크로드를 조정하는 프로토콜입니다. 차세대 물리적 AI는 GPU 성능에 의해 병목되는 것이 아니라, 이 모든 것을 연결하는 인프라 계층에 의해 병목됩니다.