핵심 요약
휴머노이드 로봇은 이제 상체 위주의 단순 조작을 넘어 전신의 균형을 유지하며 복합적인 동작을 수행하는 단계로 진입했다. 특히 복잡한 제어 코드를 신경망으로 대체하는 엔드투엔드(End-to-End) 접근법과 이동과 조작이 결합된 로코-매니퓰레이션이 핵심 기술로 부상했다.
배경
최근 피규어(Figure)가 공개한 Helix 02와 파우나 로보틱스(Fauna Robotics)의 Sprout 로봇을 중심으로 휴머노이드 기술의 최신 동향을 다룬다.
대상 독자
로보틱스 및 AI 기술 트렌드에 관심 있는 개발자와 연구자
의미 / 영향
로봇 기술이 단순 반복 작업용 하드웨어에서 인간과 유사한 물리적 지능을 갖춘 에이전트로 진화하고 있다. 특히 전신 제어와 로코-매니퓰레이션의 결합은 로봇이 가정이나 물류 현장 등 복잡한 환경에서 수행할 수 있는 작업의 범위를 비약적으로 넓힐 것이다. 이는 로봇 AI 모델 학습을 위한 데이터 수집 방식에도 큰 변화를 가져올 것으로 예상된다.
챕터별 상세
00:00
피규어 Helix 02: 상체 고정을 넘어선 전신 제어의 실현
피규어의 새로운 비전-언어-액션 모델인 Helix 02는 기존 Helix 01이 상체 위주의 동작에 국한되었던 것과 달리 하체를 포함한 전신 제어를 수행한다. 식기세척기에서 그릇을 꺼내 정리하거나 골반으로 문을 밀고 발로 차서 닫는 등 하체와 골반을 적극적으로 활용하는 동작이 가능하다. 이러한 동작은 텔레오퍼레이션(Teleoperation)이 아닌 자율적으로 수행되며 동작 중에도 실시간으로 전신의 균형을 유지한다.
- •Helix 01의 상체 고정 방식에서 벗어나 하체를 포함한 전신 제어(Whole-body Control) 도입
- •골반으로 밀기, 발로 차서 문 닫기 등 하체를 활용한 복합 동작 자율 수행
- •동작 수행 중 실시간 밸런스 유지 알고리즘 적용
01:50
시스템 0/1/2 아키텍처: 엔드투엔드 로봇 제어의 구조
Helix 02는 세 가지 계층의 시스템 아키텍처를 채택했다. 시스템 0은 10M 파라미터 규모로 1kHz 주파수에서 인간과 유사한 안정적인 모션 트래킹과 균형을 담당한다. 시스템 1은 80M 규모의 트랜스포머 모델로 200Hz에서 시각-운동(Visuomotor) 학습을 수행하며 시스템 2는 7B 규모의 사전 학습된 VLM을 통해 장면 이해와 언어 추론을 담당한다. 기존의 수만 줄에 달하는 C++ 제어 코드를 제거하고 신경망 기반의 엔드투엔드 제어 방식으로 전환했다.
- •균형(System 0), 시각-운동(System 1), 추론(System 2)으로 분리된 계층적 아키텍처
- •수만 줄의 C++ 코드를 제거하고 신경망 기반 엔드투엔드(End-to-End) 제어 구현
- •각 시스템별로 최적화된 파라미터 규모와 작동 주파수 할당
엔드투엔드(End-to-End) 제어는 입력(시각 정보 등)부터 출력(모터 제어 값)까지 전체 과정을 하나의 신경망 또는 연결된 신경망 구조로 처리하여 기존의 복잡한 수동 코딩 제어 로직을 대체하는 방식이다.
03:28
촉각 센서와 정밀 조작: 핸드 센싱의 중요성
로봇의 손에 추가적인 촉각 센서(Tactile Sensor)를 탑재하여 정밀한 조작 능력을 향상시켰다. 센서가 없는 경우 병뚜껑을 열 때 헛도는 현상이 발생하지만 핸드 센싱이 적용되면 물체와의 접촉 상태를 정확히 파악하여 안정적으로 병뚜껑을 개봉할 수 있다. 이는 시각 정보만으로는 부족한 미세한 물리적 상호작용을 보완하는 핵심 요소이다.
- •손가락과 손바닥에 탑재된 촉각 센서를 통한 물리적 접촉 정보 획득
- •병뚜껑 개봉과 같은 정밀 조작 시 센싱 유무에 따른 성공률 차이 입증
- •시각 정보와 촉각 정보의 결합을 통한 조작 안정성 확보
04:04
보스턴 다이내믹스의 전신 텔레오퍼레이션 기술
보스턴 다이내믹스는 인간의 움직임을 로봇에 실시간으로 투영하는 전신 텔레오퍼레이션 시스템을 선보였다. 인간과 로봇의 신체 구조(Embodiment) 차이로 인해 발생할 수 있는 불균형 문제를 해결하기 위해 로봇이 스스로 무게 중심을 잡으며 인간의 동작을 추종하도록 설계했다. VR 헤드셋과 컨트롤러를 통해 로봇의 시야를 공유하며 한 발로 서기나 앉았다 일어나기 같은 고난도 동작을 원격으로 제어한다.
- •인간과 로봇의 신체 구조 차이를 극복하는 모션 리타겟팅(Motion Retargeting) 기술
- •원격 제어 중에도 로봇이 스스로 균형을 잡는 자동 밸런싱 기능 포함
- •VR 기반 인터페이스를 통한 직관적인 전신 동작 제어 구현
05:40
파우나 로보틱스 Sprout: 친근하고 안전한 연구용 휴머노이드
파우나 로보틱스가 공개한 Sprout은 산업용보다는 인간 친화적인 환경을 타겟으로 하는 소형 휴머노이드 로봇이다. 무게 22.7kg, 높이 107cm의 크기에 29개의 자유도(DoF)를 갖추고 있으며 부드러운 외장재를 사용하여 인간과 충돌 시 안전성을 확보했다. 엔비디아 젯슨 오린(NVIDIA Jetson Orin) 64GB를 탑재하여 로봇 내부에서 독립적인 연산이 가능하도록 설계된 연구용 플랫폼이다.
- •22.7kg의 가벼운 무게와 소프트 외장재를 적용한 안전 중심 설계
- •29 자유도와 젯슨 오린 기반의 독립 연산 시스템 구축
- •연구자와 개발자를 위한 오픈소스 기반의 접근성 높은 플랫폼 지향
08:53
로코-매니퓰레이션: 이동과 조작이 결합된 새로운 패러다임
단순히 제자리에서 물건을 옮기는 조작(Manipulation)을 넘어 이동(Locomotion)과 조작이 결합된 로코-매니퓰레이션(Loco-manipulation)이 강조되고 있다. Sprout은 강화학습(Reinforcement Learning)을 통해 기어가기, 무릎 꿇기, 점프하기 등 다양한 자세를 학습했으며 상태 머신(State Machine)을 통해 각 동작 간의 자연스러운 전환을 구현했다. 이는 로봇이 인간의 생활 공간에서 마주하는 예측 불가능한 지형과 상황에 대응하기 위한 필수 기술이다.
- •이동과 조작을 동시에 수행하는 로코-매니퓰레이션 기술의 부상
- •강화학습을 활용한 다양한 전신 포즈 및 동적 동작 학습
- •상태 머신 기반의 동작 전환 아키텍처를 통한 유연한 행동 제어
로코-매니퓰레이션(Loco-manipulation)은 로봇이 이동하면서 동시에 물체를 조작하거나 자신의 몸을 지지물로 활용하여 조작 범위를 넓히는 복합적인 동작 능력을 의미한다.
실무 Takeaway
- 휴머노이드 로봇 제어의 핵심이 상체 위주에서 전신(Whole-body) 제어로 완전히 이동했다.
- 복잡한 제어 알고리즘을 신경망으로 대체하는 엔드투엔드 방식이 로봇의 유연성을 극대화하고 있다.
- 이동과 조작이 결합된 로코-매니퓰레이션은 로봇이 실제 인간 환경에서 활동하기 위한 필수 관문이다.
- 연구용 플랫폼의 오픈소스화와 경량화는 로봇 AI 학습 데이터 확보를 가속화할 전망이다.
언급된 리소스
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료