Humanoid Now | 피지컬 AI 인사이트

2024년 10월 10일 테슬라의 '위, 로봇' 행사장에서 옵티머스가 관객에게 술을 따르고 가위바위보를 했습니다. 한 참석자가 물었습니다. 너는 진짜 인공지능이냐고. 로봇이 답했습니다. "오늘은 사람의 도움을 받고 있습니다. 아직 완전 자율은 아닙니다." 그날 그 사실을 밝힌 것은 무대 위의 자막도, 발표자도 아니었습니다. 로봇 자신이었습니다. 로봇이 스스로 실토한 문장 포춘은 2024년 10월 13일 크리스티안 헤츠너 기자의 기사에서 그 장면을 전했습니다. 행사장의 옵티머스들은 특수한 슈트를 입은 사람이 동작을 전송하는 방식으로 원격 조작되고 있었고, 목소리 역시 사람의 것이었습니다. 블룸버그가 관계자를 인용해 먼저 보도한 내용입니다. 기사는 이렇게 적었습니다. 머스크는 그날 로봇이 학습된 인공지능 외의 다른 힘으로 움직이고 있다는 어떤 암시도 주지 않았다고 말입니다. 다만 오해는 없어야 합니다. 원격 조작 자체는 부정행위가 아닙니다. 지금의 로봇 산업에서 사람의 손을 빌리는 것은 표준에 가까운 절차이고, 그렇게 모은 동작이 다음 세대 인공지능의 학습 데이터가 됩니다. 문제는 다른 데 있습니다. 그 사실이 어디에 적혀 있느냐입니다. 덧붙이자면 그날의 그 대화를 담은 공식 영상은 존재하지 않습니다. 남아 있는 것은 참석자들이 휴대전화로 찍어 소셜미디어에 올린 화면뿐입니다. 세 회사의 공식 페이지를 직접 열어 고지 문구를 찾아봤습니다 그래서 직접 확인해 봤습니다. 기사 요약이 아니라 회사가 스스로 쓴 문장을 보려고 1X의 NEO 제품 페이지, 피규어 최고경영자의 게시글, 테슬라 행사 관련 자료를 차례로 열어 '원격'과 '자율'이라는 단어가 어디에 놓여 있는지 대조했습니다. 결과는 세 갈래로 갈렸습니다. 1X는 제품 설명에 분명히 적었습니다. "NEO가 모르는 복잡한 작업에 대해서는 1X의 전문가가 정해진 시간에 원격으로 그 동작을 감독할 수 있습니다." 심지어 ...

로봇 자동화를 한 번이라도 검토해 본 분이라면 누구나 부딪히는 벽이 있습니다. A사 로봇을 들이면 A사 방식으로 프로그래밍하고, A사 교육을 받고, A사 부품과 유지보수에 묶입니다. 작업 노하우가 그 기종 안에 갇히는 것이죠. 그런데 2025년 말 구글 딥마인드가 공개한 기술은 이 구조 자체를 흔듭니다. 한 로봇에서 가르친 동작을 재학습 없이 다른 기종에 그대로 옮기는 '모션 트랜스퍼(motion transfer)'입니다. 오늘은 이 멀티엠보디먼트 VLA가 무엇인지, 그리고 이게 왜 공장의 '벤더 종속성'을 흔드는 신호인지 현장 관점에서 짚어 보겠습니다. 멀티엠보디먼트 VLA와 '모션 트랜스퍼'란 VLA(Vision-Language-Action)는 로봇이 눈으로 보고(vision), 말을 이해해(language), 실제 동작(action)으로 옮기는 모델입니다. 여기에 '멀티엠보디먼트(multi-embodiment)'가 붙으면, 하나의 모델이 서로 다른 몸체를 가진 여러 기종의 로봇을 함께 제어 한다는 뜻입니다. 핵심 기술은 모션 트랜스퍼 입니다. 딥마인드는 양팔 로봇 ALOHA, 양팔 로봇 프랑카(Franka), 앱트로닉의 휴머노이드 아폴로(Apollo) 등 구조가 제각각인 로봇들의 데이터를 하나의 '통합 모션 표현'으로 함께 학습 시켰습니다. 그 결과, 한 기종에서만 보여준 작업이 다른 기종에서도 기종별 재학습 없이(zero-shot) 그대로 작동 합니다. ALOHA에게만 가르친 동작이 아폴로와 프랑카에서도 되고, 그 반대도 됩니다. 이 개념은 제미나이 로보틱스 1.5(2025년 9월) 연구에서 정식으로 제시됐고, 2세대로 오면서 "새로운 양팔 로봇이라면 몇 시간이면 이 지능을 이식할 수 있다"는 수준까지 발전했습니다. 제미나이 로보틱스 2가 바꾼 전체 그림은 앞선 글에서 정리 했으니, 오늘은 그중 '기종 이식' 하나만 깊이 파 보겠습니다. 한...

2026년 5월 20일, 딥시크 창업자 량원펑이 투자자들 앞에 앉았습니다. 500억 위안, 우리 돈 약 10조 원을 모으는 4시간짜리 비공개 설명회였죠. 그 자리에서 그는 뜻밖의 말을 합니다. 월드 모델도, 임바디드 인텔리전스(신체를 가진 AI)도 지금 단계에서 가장 중요한 것이 아니라고. 온 세계가 휴머노이드에 열광하는 시기에, 세계에서 가장 주목받는 AI 창업자가 로봇을 뒤로 미룬 겁니다. 그런데 유출된 녹취록을 끝까지 읽어 보면 이야기가 뒤집힙니다. 그가 그린 로드맵의 마지막 칸에는 로봇이 있었습니다. 118개의 답변에서 로봇이 나오는 자리를 세어봤습니다 이 설명회 녹취록은 중국 인터넷에 '118개 문답' 형태로 유출되어 돌았고, 사우스차이나모닝포스트 등 주요 매체가 그 내용을 보도했습니다. 전문을 읽으며 로봇 관련 발언이 몇 번 나오는지 직접 세어봤는데, 실질적인 대목은 딱 두 곳뿐이더군요. 대신 그 두 곳이 로드맵의 구조를 보여 줍니다. 량원펑이 말한 계단은 이렇습니다. 작년의 계단은 CoT, 즉 생각의 사슬로 추론 능력을 얻는 것이었습니다. 올해의 계단은 에이전트, 그중에서도 코딩 에이전트입니다. 다음 계단이 지금 가장 중요하다고 못 박은 지속 학습, 곧 모델이 배포된 뒤에도 계속 배우는 능력입니다. 그다음은 AI가 다음 버전의 AI를 스스로 개선하는 자기 반복. 그리고 맨 마지막 계단에 임바디먼트, 로봇이 놓여 있습니다. 로봇을 미룬 것이 아니라, 올라가는 순서를 정해 둔 것이었습니다. 딥시크의 다섯 계단 — 량원펑이 말한 AGI 로드맵 2026년 5월 투자 설명회 발언 순서대로 재구성 (비공식 유출 녹취록 기준) ① CoT 추론 "작년의 계단" 생각의 사슬 · R1 ② 에이전트 "올해의 계단" 코딩 에이전트 우선 ③ 지속 학습 "지금 가장 중요한 문제" 배포 후에도 계속 배우기 지금 여기 ▼ ④ 자기 개선 AI가 다음 버전의 AI를 만든다 ⑤ 임바디먼트 종착점 — 물리 ...

지난달 말, 구글 딥마인드가 '제미나이 로보틱스 2'를 공개했습니다. 시연 영상에서 앱트로닉의 휴머노이드 아폴로 2는 "물뿌리개를 아래 선반 초록색 통에 넣어"라는 말 한마디를 듣고, 방을 가로질러 걸어가 물뿌리개를 집어 정확한 통에 넣었습니다. 별것 아닌 듯 보이지만, 이건 지금까지의 로봇과는 작동 방식 자체가 다릅니다. 오늘은 제미나이 로보틱스 2가 기존 로봇 생태계와 무엇이 근본적으로 다른지, 개선된 지점을 중심으로 정리해 보겠습니다. 지금까지의 로봇은 '한 우물만 파는' 기계였습니다 기존 산업용 로봇의 세계는 철저히 '한 작업, 한 로봇'이었습니다. 용접이면 용접, 조립이면 조립. 작업마다 엔지니어가 동작을 일일이 프로그래밍하거나, 사람이 직접 팔을 잡고 경로를 가르치는 티칭 작업을 거칩니다. 한번 세팅하면 같은 동작을 정확히 반복하는 데는 강하지만, 배우지 않은 상황이 오면 그대로 멈춰 섭니다. 제조 현장에서 라인 로봇을 다뤄 본 입장에서 이 한계는 몸으로 겪은 이야기입니다. 제품이 조금만 바뀌어 로봇의 집는 위치 하나를 옮기려 해도, 엔지니어를 불러 티칭을 다시 잡아야 했습니다. 로봇을 다른 라인으로 옮기면 처음부터 새로 가르치는 건 당연했고요. 로봇은 똑똑한 게 아니라, 정해진 것만 지치지 않고 반복하는 기계에 가까웠습니다. 기존 로봇 vs 제미나이 로보틱스 2 기준 기존 로봇 제미나이 로보틱스 2 개발 방식 작업마다 개별 프로그래밍 자연어 명령 한마디 새 작업 학습한 것만 수행 안 배운 작업도 즉석 대응 로봇 간 이전 몸체 바뀌면 재학습 몇 시간이면 다른 로봇에 이식 행동 전 정해진 순서 실행 자연어로 '생각' 후 행동 신체 제어 주로 팔 단위 발끝~손끝 전신 제어 협업 단독 작동 로봇끼리 분업 협업 지식 내장된 것만 웹 검색 등 도구 호출 구동 클라우드 의존 온디바이스(로컬) 가능 자료: Go...

휴머노이드가 얼음판 같은 바닥에서 미끄러지다 균형을 잡는 영상에는 으레 이런 댓글이 달립니다. "저걸 배우려고 몇 번이나 넘어졌을까." 정답은 뜻밖에도 '거의 넘어지지 않았다'입니다. 넘어진 것은 실물 로봇이 아니라 GPU 안에서 병렬로 돌아가는 수천 개의 가상 분신들이었죠. 저는 지금 휴머노이드 경쟁의 절반은 강철이 아니라 이 보이지 않는 가상 훈련장에서 벌어지고 있다고 생각합니다. 그리고 그 훈련장의 바닥, 즉 물리엔진이 지금 막 세대교체를 겪는 중입니다. 로봇 훈련장은 이제 현실이 아니라 GPU 안에 있습니다 실물 로봇으로 시행착오를 겪는 훈련은 느리고 비쌉니다. 넘어질 때마다 부품이 상하고, 하루 종일 돌려도 시도 횟수는 수백 번이 한계죠. 그래서 업계는 물리 법칙을 계산으로 재현한 가상 세계에서 로봇을 수백만 번 훈련시킨 뒤 그 결과를 실물에 옮기는 방식, 이른바 심투리얼(sim-to-real)을 표준으로 삼아 가고 있습니다. 이 흐름의 한복판에 엔비디아가 구글 딥마인드, 디즈니 리서치와 함께 만든 오픈소스 물리엔진 뉴턴(Newton) 이 있습니다. 2025년 9월 로봇 학습 학회(CoRL)에서 처음 공개됐고, 2026년 4월 미국 로봇 주간에 맞춰 1.0 정식판이 나왔습니다. 관리 주체가 특정 기업이 아니라 리눅스 재단이라는 점, 그리고 시뮬레이터 아이작 심(Isaac Sim) 6.0과 학습 프레임워크 아이작 랩 3.0에서 갈아 끼울 수 있는 물리 백엔드로 들어갔다는 점이 눈에 띄는 대목입니다. 훈련장의 바닥재를 누구나 뜯어보고 고칠 수 있게 공개한 셈이죠. 이미지: 뉴턴 아키텍처 — 워프(Warp) 기반 위에 물리 솔버를 얹고 MuJoCo Playground·아이작 랩과 호환됩니다. 엔비디아 공식 블로그 기준 휴머노이드 시뮬레이션에서 70배 이상 가속(MuJoCo-Warp). ⓒ NVIDIA 개발자 블로그 접촉 계산이 왜 어려운지, 블록 하나를 직접 떨어뜨려 봤습니다 물리엔진의 어디가 그렇게 어려운 ...