$ cat wiki/people/jim-fan.md
Jim Fan
Overview
NVIDIA Senior Research Scientist. Embodied AI / Foundation Agent 분야 대표 연구자. Project GR00T (humanoid robot foundation model) 주도. agents + robotics 교차점에서 시그널 빈도 높음 — 1.2x 가중치.
Affiliations
- NVIDIA (Senior Research Scientist, AI Agents)
Notable Recent Statements
-
2026-06-17 (늦은 캡처): ENPIRE — 실제 세계에서의 에이전틱 로봇 정책 자기개선 — Jim Fan 의 NVIDIA GEAR Lab 이 CMU·UC Berkeley 와 함께 ENPIRE 를 공개했다. 실제 로봇 8대로 구성된 플릿이 인간 연구자 없이 자체 연구 루프를 자율 수행한다. 결과: 접촉이 많은 과제에서 pass@8 99%; 물리적 스케일링 법칙 발견(로봇 8대 병렬 → 초선형 정책 개선). Fan: "AutoResearch in the physical world for the first time." EgoScale(6월 7일) 위에 직접 쌓아 올린 작업 — EgoScale 은 인간 영상에서 스킬을 획득하고, ENPIRE 는 그 스킬을 자율적으로 개선한다. → ENPIRE: Agentic Robot Policy Self-Improvement in the Real World (source) (arXiv)
-
2026-06-07: EgoScale — 1인칭 인간 영상으로 학습한 휴머노이드 정밀 조작 — NVIDIA 팀이 22-DoF 정밀 손(Sharpa Wave 촉각 + Unitree H2 Plus, 총 75 DoF)을 가진 휴머노이드에게 모형차 조립·주사기 조작·카드 분류·셔츠 개기를 학습시켰다고 발표했다. 전부 로봇 원격조작 없이 2만 시간 이상의 1인칭 인간 영상만으로 학습했다. 핵심 발견: 인간 영상 분량과 실제 로봇 과제 성공률 사이의 로그-선형 스케일링 법칙(R² = 0.998) — LLM 시대의 스케일링이 정밀 조작으로 확장된다는 지금까지 가장 강한 신호. VR 실시간 원격조작(PICO 헤드셋 → Unitree G1)도 시연했다. 전부 오픈소스로 공개. (source)
-
2026-04: CaP-X 오픈소스 공개 — "Vibe agents alive in the physical world", robot arms + humanoids, perception/actuation APIs, auto-synthesize skill libraries (source)
-
Foundation Agent 로드맵: 단일 모델이 가상/실제 다양한 세계에서 행동 학습 — Project GR00T 가 cornerstone
-
No-gradient architecture 입장: "LLM acts as 'prefrontal cortex' that orchestrates lower-level control APIs via code generation" (Voyager 인용)
Key Themes
- Embodied AI / robotics
- Foundation agents (cross-environment)
- LLM 을 high-level controller 로, low-level control 은 분리
- Open-source 우선
Why Tracked
- NVIDIA (TBD) 의 agentic robotics 방향 대변
- agents 매칭 + 실세계 적용 신호 빈도 높음
- Karpathy 의 AI-native software 비전과 사상적 평행 (사람-environments 추상화)
Related
- Embodied Agents
- Agentic Reinforcement Learning (간접)
- Project GR00T 페이지 TBD