2,175개 부품으로 이루어진 탑과 정원은 AI 에이전트가 CAD 작업 과정을 제어할 수 있다는 인상적인 사례다. 그러나 누군가 그 설계를 LEGO 블록으로 실제 조립할 수 있다는 증거는 아니다. LDraw Nova의 풍부한 디지털 표현과 조립·취급을 견디는 구조 사이에는 개발자도 해결했다고 주장하지 않는 문제가 남아 있다.
Carlos Antelo의 오픈소스 도구는 범용 에이전트가 LDraw 모델을 생성하는 프로그램을 작성하게 한다. 10월 4일 보도의 Sakura Garden에는 5층 탑, 벚나무, 도리이 문, 잉어 연못이 있다. Claude Opus 5.5에는 상상할 수 있는 가장 아름다운 모형을 만들라는 개방형 요청이 주어졌다. 2,175개는 디지털 카탈로그 부품의 수이지, 완성된 실물 세트가 아니다.
수천 개 좌표 대신 프로그램을 수정한다
LDraw Nova는 LEGO 전용으로 훈련된 모델도, 단순한 이미지 생성기도 아니다. 에이전트가 지침과 예제를 읽고 전체 모델과 하위 모델의 JSON 계획을 만든 뒤, 고수준 구성 기본 요소와 재사용 패턴으로 Python을 작성한다. 프로그램이 LDraw 파일을 출력하면 그래픽 사용자 인터페이스 없이 실행되는 렌더러가 여러 시점을 만들고, 멀티모달 에이전트가 결과를 확인해 프로그램을 고친다.
이 추상화는 중요하다. 원시 LDraw는 부품 ID, 색, 위치, 방향 변환을 명시한다. Antelo가 이전에 긴 좌표 목록과 회전 행렬을 직접 생성하게 한 시도는 실패했다. 재사용 코드는 수천 번의 개별 배치 명령 대신 지붕을 바꾸거나 벽을 반복하고 하위 조립체 전체를 조정할 수 있게 한다.
도구에는 부품·예제 검색, 충돌·간격 검사, 렌더링, Docker 기반 웹앱이 있다. OpenAI, Anthropic, OpenRouter를 지원한다. 선택적인 의미 기반 재순위화에는 API가 필요하지만 전문 검색을 대체 경로로 쓸 수 있다. 여기서 전문 검색은 문서 전체의 텍스트를 검색한다는 뜻이다. LDraw 라이브러리는 커뮤니티가 유지하는 비공식 자료로 LEGO Group의 후원 제품이 아니다. 서로 다른 형태와 무늬 부품 16,873개라는 수치는 2026년 6월 업데이트 이후의 기록이며, 현재 판매 재고를 뜻하지 않는다.
프로젝트 저장소에는 수정 가능한 Python·LDraw 파일, 렌더링, 대화형 뷰어, Blender용 glTF 내보내기, 에이전트의 대화와 추론이 남는다. 갤러리에는 GPT-6 Astra의 성당과 Tidal Observatory, 이전 Claude Opus의 Copper Bean 아파트, Opus 5.5가 만든 미완성 Atlas Crane도 있다. 서로 다른 설계의 예시이지 제공업체를 통제된 조건에서 비교한 순위는 아니다.
유효한 부품 ID가 튼튼한 건물을 보장하지는 않는다
카탈로그 기반 설계는 상상으로 그린 이미지와 달리 부품을 식별할 수 있다. 하지만 ID가 존재해도 특정 색상을 구할 수 있는지, 충분한 수량이 있는지, 오래된 부품이 여전히 판매되는지는 별개다. 조달과 재고를 따로 확인해야 한다.
Antelo는 물리 검증이 없음을 인정했다. 보도 당시 전시 모델은 실제로 조립되지 않았다. 충돌·간격 검사는 일부 기하학적 오류를 잡지만, 결합력, 하중 전달 경로, 균형, 비틀림 저항을 입증하지 못한다. 돌출된 지붕이나 나무가 취급을 견디는지도 알려주지 않는다.
조립 순서도 제약이다. 완성된 형태는 안정적으로 보여도 중간 단계가 무너지거나 나중 부품이 작업 공간을 막을 수 있다. 실행 가능한 계획에는 실제 연결, 접근 가능성, 언제 지지가 생기는지가 포함되어야 한다. 완성품을 보기 좋은 각도에서 보여주는 것만으로는 부족하다.
규모는 약점을 증폭할 수 있다. 잘못된 보조 함수가 같은 약한 연결을 수백 번 반복할 수 있다. 렌더링은 표면을 보여줄 뿐 힘을 보여주지 않는다. 부품이 많아질수록 재고와 구조 검증은 더 늘어나며 불필요해지는 것이 아니다.
LegoGPT는 다른 종류의 증거를 보여준다
Carnegie Mellon 협력 연구진이 2025년에 소개한 LegoGPT 연구는 더 제한적인 과제를 다룬다. 다음 단어가 아니라 다음 블록을 예측한다. StableText2Lego에는 설명과 안정성 평가를 갖춘 47,000개 이상의 구조가 있으며, 28,000개 이상의 고유한 3D 물체를 나타낸다. 복셀에서 파생된 표현은 흔한 물체 21개 범주를 다룬다.
이 제약은 Nova의 대담한 장면보다 표현 자유를 줄이지만 물리적 유효성을 생성의 중심에 둔다. LegoGPT는 유효성 검사와 물리 인식 롤백을 사용한다. 잘못된 배치를 거부하고 이전의 유효한 상태로 돌아간다. 연구의 안정성에는 떠 있거나 무너지는 부품이 없고 구조적 일체성이 강한 조건이 포함된다. 조립 가능성은 표준 부품과 사람 또는 로봇의 순차 조립도 요구한다.
일부 결과는 손으로, 또 양팔 로봇으로 실제 조립했다. 렌더링보다 강한 실물 증거지만 미래의 모든 출력에 대한 보장도, Nova의 2,175개 부품 정원을 같은 조건에서 조립한 직접 비교도 아니다. 원 보도는 후속 논의를 BrickGPT라는 이름과도 연결하지만, 이를 동등한 새 버전이나 벤치마크의 증거로 볼 수는 없다.
Nova 파일은 LeoCAD 같은 도구에서 열 수 있다. 이 도구는 LDR, MPD, 하위 모델과 다단계 설명을 지원한다. 형식 지원은 수정과 검사에 도움이 되지만, Nova가 완전하고 실제 실행 가능한 조립 설명을 이미 생성·검증했다는 뜻은 아니다.
물리 피드백이 설계를 바꿔야 한다
유망한 다음 단계는 완성 렌더링에 단지 안정성 점수를 붙이는 것이 아니다. 구조 피드백이 계획, 부품 선택, 하위 조립체와 순서를 바꿔야 한다. 연결 그래프, 무게중심 추정, 약한 접합부 식별은 도움이 될 수 있지만, 보도에서 Nova가 입증한 기능이 아니라 가능한 확장 방향이다.
정교한 시뮬레이션도 실제 결합력, 마찰, 제조 공차와 취급을 단순화한다. 실물 시제품은 여전히 결정적이다. 탑 한 층, 지붕 모서리, 나무 또는 크레인 관절을 시험하면 모든 부품을 바로 구매하지 않고도 서로 다른 실패를 확인할 수 있다.
Antelo는 작은 모형의 3D 출력을 고려했지만 완료된 시험으로 보도되지는 않았다. 출력한 축소 모형 역시 LEGO 연결을 검증하지 않는다. 유용한 실물 시연에는 원 CAD, 부품 명세, 설명, 조립 시간, 수작업 수정과 실패를 공개하고 통상적인 취급을 보여주는 과정이 필요하다.
어떤 진전이 중요한가
기록된 실제 블록 조립, 구조 시험 실패에 따른 에이전트의 프로그램 수정, 고정 부품 라이브러리와 공통 기준 아래 여러 제공업체·프롬프트의 반복 시험이 중요한 세 신호다. 완료 시간, 잘못된 배치, 사람의 개입, 조달 충돌과 실물 실패는 단순한 부품 수보다 더 많은 것을 설명한다.
미니피겨, Technic 기계와 엔진은 개발 계획상의 아이디어이지 확립된 능력이 아니다. 축, 핀, 가동 관절, 정렬과 토크는 추가 제약을 만든다. VR 보기는 있지만 Antelo는 성능과 사용성 문제를 보고했다. 몰입감이 기계적 시험이나 조립 시험을 대체하지는 않는다.
Nova는 재사용 코드로 구조화된 도구를 조작하고 결과를 검사·수정하는 유용한 소프트웨어 패턴을 이미 보여준다. 그러나 제작자에게 파일은 인증된 키트가 아니라 편집 가능한 출발점이다. 다음 이정표는 더 복잡한 화면이 아니라 부품, 순서, 구조를 검증할 수 있는 조립이다.
출처: 10월 4일 보도, 원 보도의 뉴스 집계 항목.