휴머노이드 로봇, 하루 1대 생산에서 시간당 1대로... 경쟁 본격화

미국의 휴머노이드 로봇 스타트업 휘겨(Figure) AI는 120일 만에 로봇 생산 속도를 24배 향상시켜 하루 1대에서 시간당 1대 수준으로 끌어올렸다. 데이터-AI-배치의 선순환 구조가 본격적으로 작동하기 시작했음을 의미한다.

BotQ 공장 : 휴머노이드 양산 체제의 시작

Figure의 BotQ 제조 시설은 이미 350대 이상의 Figure 03를 출하했으며, 연간 1만2000대 생산 능력을 갖췄다. 회사는 향후 4년간 총 10만대를 생산하겠다는 목표를 제시했는데 이는 150개 이상의 네트워크 워크스테이션을 통합한 맞춤형 MES(제조 실행 시스템)로 가능해진 성과다.

Figure는 외주 제조에 의존하지 않고 핵심 부품을 자체 생산하는 수직 통합 전략을 선택했다. 기존 Figure 02가 고가의 CNC 가공 중심이었다면, Figure 03은 다이캐스팅, 사출성형, 프레스 등 대량생산에 적합한 공정으로 전환했다. 이를 통해 부품 수와 조립 단계를 획기적으로 줄이고 생산 단가를 낮췄다.

각 로봇은 출하 전 80개 이상의 기능 검증 테스트를 통과해야 하며, 생산 과정에서 50개 이상의 중간 검사 지점을 거친다. 그 결과 배터리 라인은 99.3%의 1차 합격률을 달성했고, 최종 조립 라인도 80% 이상의 합격률을 기록하며 매주 개선되고 있다. 또한 로봇들은 스쿼트, 숄더 프레스, 조깅 등 수천 회 반복 동작을 수행하는 번인(Burn-in) 테스트를 거쳐 초기 고장을 사전에 제거한다.

데이터 선순환의 시작 : 더 많은 로봇, 더 똑똑한 AI

브렛 애드콕(Brett Adcock) CEO가 강조했듯이, 생산라인에서 나오는 모든 로봇은 데이터 수집 엔진이다. 로봇 운영 규모가 커질수록 헬릭스(Helix) AI가 학습할 실제 환경 데이터가 늘어나고, AI 성능이 향상될수록 로봇의 실용성이 높아져 더 많은 배치로 이어지는 플라이휠 효과가 작동한다.

대규모 로봇 운영을 통해 Figure는 소규모에서는 발견할 수 없었던 "롱테일" 문제들을 찾아내고 해결하고 있다. 진단 및 알림 시스템을 구축해 고장 원인을 몇 분 만에 파악할 수 있으며, 소프트웨어 폴백 시스템을 통해 비치명적 오류 발생 시에도 로봇이 안전하게 작업을 계속할 수 있다. 또한 OTA(무선) 업데이트를 통해 전체 로봇 군단에 동시에 새로운 기능과 개선 사항을 배포할 수 있다.

Figure는 자체 현장 서비스 관리(FSM) 시스템과 Figure 03을 본사, 고객 현장, 일반 가정 등 다양한 환경에서 서비스할 수 있는 툴킷을 개발했다. 현장 고장 데이터는 추적, 분석되어 엔지니어링 팀으로 피드백되며, 이를 바탕으로 하드웨어 개선과 전체 로봇 군단 대상 업그레이드 및 리콜이 진행된다.

Helix AI의 진화 : 이제 로봇이 세상을 본다

가장 주목할 기술적 도약은 Helix AI의 System 0(S0)가 이제 시각 인식 기반 전신 제어가 가능해졌다는 점이다. 이전에는 로봇이 자신의 관절 상태와 몸의 움직임만 느낄 수 있어 평지에서만 안정적으로 걸을 수 있었다.

이제 S0는 머리에 장착된 카메라의 RGB 이미지를 스테레오 모델로 처리해 주변 환경을 3D로 인식한다. 이 공간 정보는 고유 감각 정보와 함께 정책 네트워크에 입력되어, 로봇이 단순히 땅을 느끼는 것을 넘어 앞을 보면서 걷게 된다. 정책은 시뮬레이션에서 수천 개의 무작위 지형을 대상으로 강화학습으로 훈련되며, 시뮬레이션에서 학습한 계단 오르기가 실제 로봇에서 제로샷(추가 조정 없이)으로 구현된다.

이 시스템의 진정한 의미는 계단이라는 단일 사용 사례를 넘어서는 범용성에 있다. 인식 입력을 받아 전신 제어를 출력하고, 시뮬레이션에서 훈련되어 제로샷으로 배치되는 동일한 아키텍처가 로봇 주변 환경이 중요한 훨씬 광범위한 행동들에 적용될 수 있다. 계단은 시연일 뿐이고, 기본 능력은 범용적이다.

Figure AI의 로봇 생산 플라이휠 데이터-AI-배치 선순환 구조 — **▲Figure AI의 로봇 생산 플라이휠** 데이터-AI-배치 선순환 구조 이승환

Figure AI의 혁신이 주는 의미

1. 규모가 곧 AI 경쟁력이다

생산량 증가는 단순한 제조 문제가 아니라 AI 학습 데이터 확보 전략이다. 더 많은 로봇이 더 많은 실제 환경 데이터를 생성하고, 이것이 Helix AI를 더 똑똑하게 만들며, 향상된 AI가 더 많은 로봇 배치를 가능하게 하는 선순환 구조가 형성된다. 이는 자율주행차 개발에서 주행 데이터가 핵심이었던 것과 동일한 패턴이다.

2. 수직 통합이 혁신 속도를 결정한다

Figure가 외주 제조가 아닌 자체 공장 BotQ를 선택한 것은 Tesla나 SpaceX의 전략과 일치한다. 핵심 부품을 직접 생산함으로써 품질, 반복 개발 속도, 비용을 직접 통제할 수 있으며, 현장 피드백이 즉각 설계 개선으로 이어지는 빠른 반복 주기를 구현했다.

3. Sim-to-Real 격차의 해소가 실용화의 열쇠다

시뮬레이션에서만 학습한 행동이 실제 하드웨어에서 추가 조정 없이 작동하는 것은 로봇공학의 오랜 난제였던 심투리얼 격차 해소를 의미한다. 이제 이 격차는 더 이상 지각 기반 제어의 병목이 아니며, 시뮬레이션에서 배운 것이 하드웨어에서 그대로 구현된다.

4. 품질과 속도가 동시에 개선되고 있다

24배 생산 증가에도 불구하고 80% 이상의 일차 합격률을 달성한 것은 대량생산과 고품질이 양립 불가능하지 않음을 보여준다. 50개 이상의 중간 검사 지점, 80개 이상의 최종 검증 테스트, 수천 회 반복 번인 테스트 등 체계적인 품질 관리 시스템이 핵심이었다.

5. 상업화 단계 본격 진입의 신호

프로토타입에서 시간당 1대 생산 체제로의 전환은 휴머노이드 로봇이 연구실을 벗어나 실용화 단계에 본격 진입했음을 의미한다. 연간 1만2,000대 생산 능력과 향후 4년간 10만대 목표는 더 이상 기술 시연이 아닌 실제 산업으로서의 휴머노이드 로봇 시대가 시작되었음을 보여준다.

경쟁이 본격화될 전망이다. Tesla는 2025년 1만 대, 2026년 12만 대, 2027년 120만 대 규모로 Optimus를 생산하겠다고 밝혔으며, 2026년부터 외부 업체에 판매할 예정이다. 중국은 더 빠르게 움직이고 있다.

덧붙이는 글 이 기사는 페이스북과 링크드인에도 실립니다.

오탈자 신고