대시보드 「Physical AI를 좁게 정의해야 하는 이유」는 보스턴 다이내믹스가 MPC(모델 예측 제어)에서 디퓨전 트랜스포머 기반 LBM(Large Behavior Model)으로 넘어간 것을 패러다임 전환의 증거로 추정만 했습니다. 이 편은 그 LBM이 실제로 아틀라스에 올라가 다리와 상체를 함께 움직이는 데모를 보여줍니다. MPC는 사라지지 않고, 텔레오퍼레이션과 추론의 허용 범위를 잡아주는 역할로 남습니다.
sudoremove JB · JC2025-08-2816분YouTube
▾
보스턴 다이내믹스와 토요타 리서치 인스티튜트(TRI)가 함께 만든 LBM(Large Behavior Model, 관찰을 받아 다음 행동을 통째로 생성하는 대형 행동모델)이 아틀라스 로봇에 올라가, 다리와 상체를 하나의 모델이 함께 제어해 물체를 집는 데모를 처음 보였다. 기존 강점인 MPC(Model Predictive Control, 관절·토크·자기충돌 같은 제약 조건 안에서 다음 동작을 실시간으로 최적화해 푸는 제어 방식)는 사라지지 않고, 텔레오퍼레이션(Teleoperation, 사람이 실시간으로 로봇을 원격 조작하는 방식) 입력과 추론 결과가 넘어지지 않는 범위 안에 있도록 걸러주는 역할로 남는다.
핵심 포인트
다리를 상체와 함께 움직인 첫 사례라고 진행자들은 짚는다. 이전 휴머노이드 데모(Physical Intelligence·테슬라 등)는 두 다리를 고정한 채 매니퓰레이션(Manipulation, 물체 조작)만 했는데, 이번 아틀라스는 물체를 잡기 좋은 자세를 만들려고 발을 옮기는 로코모션(Locomotion, 보행 이동)까지 같은 모델로 한다.
MPC가 텔레오퍼레이션의 안전망이다. 사람이 서 있는 자세를 그대로 로봇에 넘기면 무게중심이 달라 넘어지는데, MPC가 정한 제약 범위 안에서만 텔레오퍼레이션 입력이 반영돼 균형이 유지된다.
MPC 는 사라지지 않았다
「규칙 기반에서 학습 기반으로 갈아탔다」는 말이 자주 쓰이는데, 실제로는 MPC 가 아래에 그대로 남았다. LBM 이 무엇을 할지 통째로 만들어 내면 MPC 가 관절 한계와 자기충돌을 지키며 그것을 실행 가능한 동작으로 깎는다.
아키텍처는 TRI의 LBM 논문과 거의 같다고 진행자들은 본다. 관찰을 인코딩해 디퓨전 트랜스포머(Diffusion Transformer, 노이즈를 점차 제거해 가며 그럴듯한 출력을 만드는 구조)의 조건으로 넣고 액션을 뽑는 흐름이다.
팀은 보스턴 다이내믹스와 TRI가 섞여 있다. 블로그의 "데이터 오퍼레이션·LBM 팀" 표기에 두 회사 이니셜이 섞여 있고, TRI의 러스 테드레이크(Russ Tedrake)가 이름을 올렸다.
Skild AI와는 다르다고 진행자들은 짚는다. 전에 다룬 Skild AI는 보행만 하는 원브레인(One-brain, 보행과 조작을 하나의 모델이 함께 담당한다는 개념)이었는데, 이번엔 보행과 매니퓰레이션이 실제로 한 모델 안에서 같이 나온다.
아틀라스 표면에는 긁힌 자국과 찌그러진 흔적이 많다. 훈련 중 넘어진 흔적으로, 강건한 하드웨어를 만드는 일 자체가 어렵다고 진행자들은 짚는다.
WIRobotics의 ALLEX 손은 15자유도(DOF, Degree of Freedom)로 별개 데모다. 손가락을 깍지 끼고 스트레칭하는 동작을 보이는데, 룰베이스(rule-based, 정해진 규칙으로 움직이는 방식)로 제어된 것이라고 진행자들은 판단한다.
내년 대중화는 아니라고 본다. 다리가 필요 없는 좁은 자유도 과제(물류 핸들링, 볼트 조이기 등)가 1년 안에 먼저 자리 잡을 거라고 전망한다.
주요 숫자
15DOF
WIRobotics ALLEX 손 전체 자유도
3자유도
진행자들이 추정한 손가락 하나당 자유도
1시간 → 15~20분
텔레오퍼레이션 실 조작시간 대비 쓸 수 있는 데이터 분량
4면
진행자들이 확인한 카메라 대수(추정)
뇌가 특이점이지.
반론 · 충돌
같은 대시보드 「Physical AI를 좁게 정의해야 하는 이유」그 카드는 보스턴 다이내믹스가 MPC에서 LBM으로 넘어간 것을 패러다임 전환의 증거로 들면서도 필자 스스로 이를 추정이라고 밝혔다. 이 편은 그 전환이 실제로 아틀라스에 올라간 모습을 보여주지만, MPC는 없어지지 않았다 — 텔레오퍼레이션 입력과 추론 결과 모두 MPC가 정한 제약 범위 안에서만 나온다. "규칙 기반 대 end-to-end 단일 모델"이라는 그 카드의 대조표 이분법은 이 사례에 그대로 들어맞지 않는다.
같은 채널 「구글 딥마인드는 임바디드 리즈닝으로 VLA를 하니스해 판단과 반사를 나눴다」그 편에서 구글 딥마인드는 판단(임바디드 리즈닝)과 반사(VLA+엣지 홀바디 컨트롤)를 분리한 계층 구조로 균형을 잡는다. 이 편의 보스턴 다이내믹스·TRI 조합도 LBM이 행동을 만들고 MPC가 균형·제약을 맡는 유사한 이원 구조다. 서로 다른 회사가 같은 시기에 행동 생성은 학습 모델, 안전·균형은 고전 제어로 수렴하는 모습이다.
이 편 자체의 약점 — 데모 하나, 정량 수치 없음다리와 상체를 함께 쓴 성공률이나 실패율은 이 편에도 보스턴 다이내믹스 블로그에도 나오지 않는다. 진행자들이 본 것은 편집된 데모 영상 하나이고, 아키텍처가 TRI 논문과 거의 같다는 판단도 진행자들의 눈대중일 뿐 회사가 확인해 준 사실이 아니다.
유튜브 자동 자막 전문을 요약한 카드입니다. 자동 인식이라 회사·모델 이름이 흔들리는 대목이 있어 영상 설명란과 논문으로 맞춰 적었습니다. 숫자는 진행자가 말한 것을 그대로 옮겼고 따로 검증하지 않았습니다. 투자 추천이 아닙니다. WIRobotics ALLEX 손의 핑거팁 포스 등 세부는 같은 대시보드의 로봇 손 카드(「Sharpa는 로봇 손 회사였다」)에 있어 이 카드에서는 다루지 않았습니다.