시연 영상의 완벽함과 실제 현장 오작동의 간극

로봇 시연 영상에서는 모든 동작이 완벽해 보이지만, 실제 산업 현장에 배치하면 작은 변수에도 오작동하는 한계가 반복된다. 산업 현장에서 로봇에게 요구하는 핵심 가치는 화려한 동작이 아니라 어떤 상황에서도 실수하지 않는 높은 신뢰도다. 런던에 본사를 둔 로봇 기업 휴머노이드(Humanoid)는 이러한 간극을 해결하기 위해 조작 신뢰도 99.9% 달성을 목표로 하는 강화학습(RL) 접근 방식인 '키넷IQ 어센트(KinetIQ Ascend)'를 발표했다. 강화학습은 로봇이 수많은 시행착오를 거치며 스스로 최적의 행동 방식을 찾아내는 학습법이다. 휴머노이드는 이 기술을 통해 로봇이 인상적인 데모 수준을 벗어나 산업계가 실제로 신뢰할 수 있는 도구로 전환되는 기점을 마련하고자 한다.

양손 토트 취급 성공률 99%와 처리량 2배 증가의 실증

휴머노이드는 키넷IQ 어센트를 세 가지 주요 조작 시나리오에 적용하여 성능 향상을 입증했다. 첫째, 로봇이 부품 상자에서 강철 베어링 링을 집어 컨베이어 벨트에 놓는 머신 피딩(machine-feeding) 작업에서 처리량을 42% 증가시켰으며, 이는 인간 시연 속도의 1.5배에 해당하는 수치다. 둘째, 뒤섞인 토트 상자에서 물품을 집어 사람에게 전달하는 작업에서는 처리량이 85% 증가했고, 작업 성공률은 80%에서 98%로 상승했다. 셋째, 가장 난도가 높은 양손 토트 취급 작업에서 로봇이 두 팔을 사용해 테이블 위 상자를 들어 올린 결과, 성공률이 78%에서 99%로 상승하고 처리량은 2배 이상 증가했다. 이는 실패율을 기존의 약 20분의 1 수준으로 낮춘 결과이며, 이 모든 성능 향상은 단 며칠간의 훈련만으로 달성되었다.

4계층 AI 프레임워크와 '역량 팩토리'의 구조적 혁신

휴머노이드는 실제 배포를 위해 설계된 고유의 4계층 AI 프레임워크인 '키넷IQ'를 구축했다. 키넷IQ 어센트는 이 플랫폼을 기반으로 시행착오 학습을 수행하여 로봇이 산업 현장의 작업을 직접 향상시키도록 돕는다. 휴머노이드는 로봇의 기본 행동에서 시작해 강화학습을 통해 배포 준비가 된 역량으로 정제하는 프로세스를 '역량 팩토리(capability factory)'라고 정의했다. 역량 팩토리는 로봇의 새로운 기술을 습득할 때마다 데이터를 수집하고 수동으로 조율하는 데 수개월을 소비하던 기존 방식을 대체한다. 이를 통해 엔지니어가 수동으로 조율해야 했던 개발 주기를 단 며칠 수준으로 단축하며 로봇 역량 개발의 효율성을 극대화했다.

LLM과 유사한 성능 확장 추세와 일반화 성능 확보

키넷IQ 어센트는 훈련 시간이 늘어남에 따라 로봇의 성능이 예측 가능하게 향상되는 확장성을 보여주었다. 이는 더 많은 컴퓨팅 자원과 데이터가 확보될 때 성능이 정교해지는 대형언어모델(LLM)의 향상 추세와 유사한 흐름이다. 휴머노이드는 시뮬레이션 실험을 통해 이러한 확장 추세가 조작 신뢰도를 100%까지 끌어올릴 수 있음을 시사했다. 또한, 로봇은 새로운 접근 방식을 통해 훈련 과정에서 한 번도 보지 못한 새로운 형태의 물체까지 일반화하여 다루는 능력을 확보했다. 더불어 워크플로에서 가장 난도가 높은 병목 구간만 집중적으로 개선해도 전체 작업의 효율이 함께 향상된다는 사실을 추가로 입증했다.

산업용 로봇의 판단 기준 전환과 범용 휴머노이드의 미래

산업용 로봇의 성능 지표는 이제 단순한 '성공 여부'에서 '인간 대비 처리 속도와 99.9%의 신뢰도'를 확보했는가라는 기준으로 전환되고 있다. 휴머노이드는 이러한 기준을 충족하여 2년 이내에 세계 1위의 산업용 범용 휴머노이드 로봇 기업이 되는 것을 목표로 한다. 범용 휴머노이드 로봇은 특정 작업만 수행하는 전용 기계와 달리 다양한 환경에서 여러 업무를 수행할 수 있는 인간 형태의 로봇을 의미한다. 이를 위해 휴머노이드는 2024년 5월, 자사의 HMND 로봇 생산 확대를 위해 독일 보쉬(Bosch) 및 셰플러(Schaeffler)와 제휴를 맺었다. 또한 훈련 인프라, 알고리즘 솔루션, 결과 분석을 포함한 최신 기술 보고서를 통해 전체 방법론을 공개함으로써 기술적 신뢰성을 확보하고 산업 표준 선점에 나섰다.