Figure AI Helix 02는 골반·다리까지 함께 쓰는 온몸 제어(whole-body control, 팔뿐 아니라 몸통·다리·균형까지 한 모델이 함께 다루는 제어)를 자율로 시연했다. 균형을 맡는 System 0을 새로 넣었는데 강화학습이 아니라 이미테이션 러닝(imitation learning, 사람 시연 데이터를 그대로 따라 배우는 방식)으로 학습했다는 점이 눈에 띈다. 같은 시기 등장한 소형 연구용 로봇 Fauna Sprout도 온몸 29자유도로 비슷한 방향을 보여준다.

핵심 포인트

• 온몸 제어는 팔만 쓰는 것과 다른 문제다. 상체를 고정해 쓰던 상태에서는 무게중심이 안 흔들려 균형을 잡을 일이 없었지만, 골반·다리까지 쓰면 몸을 움직일 때마다 무게중심이 옮겨가 매번 자세를 다시 잡아야 한다. Helix 01의 상체 전용 32자유도에 다리까지 더해지며 자유도 수도 함께 뛴다.

• 균형을 강화학습이 아니라 이미테이션 러닝으로 풀었다. 새로 넣은 System 0은 보통 RL이나 MPC(Model Predictive Control, 몇 스텝 앞을 예측해 최적 행동을 고르는 제어 방식)로 푸는 균형 제어를, 사람 시연 데이터를 따라 배우는 이미테이션 러닝으로 대체했다. 10M 파라미터로 System 1(80M)보다도 작고 1000Hz로 돈다.
• 판단과 반사를 계층으로 나눴다. System 2(7B, 과제를 계획하는 판단 계층)와 System 1(80M, 몸동작을 출력하는 반사 계층) 위에 System 0을 더해 3계층 구조가 됐다. 진행자들은 이를 사람의 척수반사(뇌의 의식적 판단 없이 척수 단계에서 즉시 나가는 반응)에 비유한다.
• 학습 데이터는 온몸 자동 균형 텔레오퍼레이션으로 모았다. 사람이 발을 움직이면 로봇도 따라가되, 사람과 로봇의 체형(embodiment, 몸의 구조와 무게 배분)이 달라 로봇이 스스로 균형을 잡아준다. 발 디딜 위치를 초록색으로 겹쳐 보여주는 시각화도 공개했다.
• 촉각 센서 없이는 손이 헛돈다. 병뚜껑 여는 과제에서 촉각 센서를 끄면 손이 제자리에서 헛돌며 실패한다. 손바닥 카메라도 함께 쓰였을 것이라는 추정이 있지만 확인되지 않았다.
• Fauna Sprout는 손 대신 온몸에 걸었다. 키 107cm·무게 22.7kg의 소형 연구용 로봇으로, 6자유도 손 대신 1자유도 집게를 달고 온몸 29자유도에 집중했다. 컴플라이언스(compliance, 힘을 받으면 반발하지 않고 유연하게 밀리는 성질)를 높여 사람과 부딪혀도 안전하게 설계됐다.
• 기술 스택은 새 것이 아니라 잘 엮은 조합이다. 아이작 랩(Isaac Lab, 엔비디아의 로봇 강화학습 시뮬레이션 툴킷)에서 자세별로 RL을 따로 학습시켜 상태 머신으로 잇고, 메타 퀘스트(Meta Quest)·유니티로 텔레오퍼레이션을 구현했다. 진행자들은 VLA 이전 세대 기술을 조합한 스택이라고 평가한다.
• 균형 모듈이 끝까지 남을지는 열린 질문이다. 최종 배포 모델에서도 RL 기반 균형 모듈이나 MPC가 계속 필요할지, 데이터가 쌓이며 신경망 안으로 흡수될지 진행자들도 결론을 내리지 않는다.

주요 숫자

지금 이 상황에서도 다 밸런스를 맞춘다.