[심층분석] Figure 03이 30시간 연속으로 일했다는데, 우리는 어떻게 살아야 할까요

들어가며: 휴머노이드 로봇이 '진짜로' 일하기 시작했어요

안녕하세요, 여러분. 오늘은 좀 묵직한 주제를 가져왔어요. Figure AI라는 회사 들어보셨나요? 미국 캘리포니아에 있는 휴머노이드 로봇 스타트업인데요, 최근에 자기네 신형 로봇인 Figure 03이 30시간 넘게 쉬지 않고 작업을 수행했다는 영상을 공개했어요. 화장실도 안 가고, 점심도 안 먹고, 커피 브레이크도 없이요.

영상 제목이 좀 짓궂은데, "a peek into our future replacements(우리의 미래 대체자를 살짝 엿보다)"라고 적혀 있어요. 농담 반 진담 반인 거죠. 그런데 이게 마냥 웃을 일은 아닌 게, 불과 2~3년 전만 해도 휴머노이드 로봇이 두 다리로 걷는 것조차 신기해하던 시절이었거든요. 보스턴 다이내믹스(Boston Dynamics)의 아틀라스(Atlas)가 백덤블링 한 번 하면 전 세계가 들썩였잖아요.

그런데 지금은요? 휴머노이드 로봇이 물류 창고에서 박스를 옮기고, 부품을 조립하고, 30시간을 연속으로 돌아간다는 게 뉴스가 되는 시대예요. 이 변화의 속도가 얼마나 빠른지, 왜 갑자기 이렇게 빨라졌는지, 그리고 우리 개발자들에게는 어떤 의미인지 같이 한 번 뜯어볼게요.

Figure AI라는 회사, 잠깐 짚고 갈게요

Figure AI는 2022년에 설립된 비교적 신생 회사예요. 그런데 투자 라인업이 어마어마해요. OpenAI, Microsoft, NVIDIA, Jeff Bezos, Intel Capital 같은 곳들이 다 들어가 있거든요. 누적 투자금만 수십억 달러 수준이에요.

왜 이렇게 큰돈이 몰릴까요? 이유는 간단해요. 휴머노이드 로봇 시장이 "드디어 진짜로 열릴지도 모른다"는 기대감 때문이에요. 그동안 휴머노이드는 "기술 데모용"이라는 인식이 강했어요. 보여주기는 멋진데, 실제로 공장이나 매장에서 쓸 수 있냐고 물으면 다들 머뭇거렸거든요.

Figure는 이 지점을 정조준했어요. "우리는 데모용이 아니라, 실제로 일하는 로봇을 만든다"는 거죠. 실제로 BMW 공장에 자기네 로봇을 투입해서 차체 패널을 조립하는 작업을 시키고 있어요. 그러니까 이번 Figure 03 영상은 단순한 시연이 아니라, "우리 로봇은 이제 진짜 노동력이 된다"는 메시지인 거예요.

30시간 연속 작동, 이게 왜 대단한 거냐면요

사실 "30시간"이라는 숫자만 보면 "음, 그래서?" 싶을 수 있어요. 그런데 휴머노이드 로봇 업계 사람들이 이걸 보고 놀란 이유는 따로 있어요.

1) 배터리와 열 관리 문제

휴머노이드 로봇은 이족보행(두 발로 걷기) 자체가 엄청난 에너지 소모예요. 균형을 잡으려면 수십 개의 모터가 끊임없이 미세하게 움직여야 하거든요. 이게 뭐냐면, 여러분이 가만히 서 있을 때도 발목 근육이 계속 미세하게 움직이면서 균형을 잡는 것과 똑같아요. 사람은 무의식적으로 하지만, 로봇은 일일이 계산해서 모터를 돌려야 해요.

그래서 보통 휴머노이드 로봇의 가동 시간이 1~3시간 정도예요. 그 이상 돌리면 배터리가 나가거나, 모터가 과열돼서 멈춰버려요. 그런데 Figure 03이 30시간을 버텼다는 건, 배터리 스왑(교체) 시스템이 자동화됐거나, 아니면 충전 도킹을 스스로 해낸다는 뜻이에요. 즉, 사람의 개입 없이 스스로 에너지를 관리한다는 의미인 거죠.

2) 작업의 일관성

사람도 30시간 일하면 손이 떨리고 실수가 생기잖아요. 그런데 로봇은 어떨까요? 의외로 로봇도 오래 돌리면 드리프트(drift) 라는 현상이 생겨요. 센서 값이 미세하게 어긋나기 시작하고, 모터의 정밀도가 떨어지는 거예요. 이걸 막으려면 주기적인 자가 보정(self-calibration)이 필요해요.

Figure 03은 이 보정을 작업 중간중간에 알아서 처리한다는 얘기예요. 사람 입장에서 보면 "그냥 계속 일하네"인데, 내부적으로는 "매 15분마다 자세를 확인하고, 1시간마다 그리퍼(집게)를 재교정한다" 같은 루틴이 돌고 있는 거죠.

기술적으로 뭐가 바뀌었길래?

이번 발표에서 가장 흥미로운 건 Helix라고 부르는 Figure AI의 자체 AI 모델이에요. 이게 핵심이에요.

Helix가 뭔가요?

Helix는 VLA(Vision-Language-Action) 모델이에요. 이름이 길어서 어려워 보이는데, 풀어서 설명하면 이래요.

• Vision: 카메라로 본 영상을 이해해요.
• Language: 사람의 말(또는 텍스트 명령)을 알아들어요.
• Action: 그걸 보고 듣고 나서, 로봇의 관절을 어떻게 움직일지 직접 결정해요.

이게 왜 중요하냐면, 예전에는 이 세 가지가 다 따로 있었어요. 비전 모델 따로, 언어 모델 따로, 제어 시스템 따로요. 그래서 "빨간 컵을 집어줘"라고 하면:

1. 언어 모델이 "빨간 컵을 집어"라는 명령을 파싱하고,
2. 비전 모델이 카메라 영상에서 빨간 컵을 찾고,
3. 좌표를 제어 시스템에 넘기면,
4. 제어 시스템이 모터를 어떻게 돌릴지 계산하고...

이렇게 단계가 많았어요. 각 단계마다 지연(latency)이 생기고, 한 군데서 오류 나면 전체가 무너졌죠.

Helix는 이걸 하나의 모델로 통합했어요. 카메라 영상이랑 "빨간 컵 집어"라는 텍스트를 통째로 입력하면, 모터 명령(joint commands)을 바로 출력해요. 마치 우리가 "저기 컵 좀 가져와" 소리를 들으면, 머리로 일일이 "컵의 좌표는 (x, y, z)고, 어깨를 30도, 팔꿈치를 45도..." 이렇게 계산 안 하고 그냥 손이 가는 것처럼요.

End-to-End 학습의 위력

이런 방식을 End-to-End 학습이라고 불러요. 쉽게 말해서 "입력에서 출력까지 한 방에 처리하는" 모델이에요. 자율주행에서 Tesla가 밀고 있는 방향이랑 똑같아요.

장점은:

• 빠르다: 중간 단계가 없으니까요.
• 유연하다: 새로운 상황에도 "학습된 일반화 능력"으로 대응해요.
• 개발이 단순하다: 모듈 사이 인터페이스를 일일이 설계 안 해도 돼요.

단점도 있어요:

• 블랙박스: 왜 그렇게 움직였는지 디버깅이 어려워요.
• 데이터가 엄청 필요: 수천, 수만 시간의 로봇 작업 영상이 있어야 해요.
• 예측 불가능: 학습 안 된 상황에서 이상하게 행동할 수 있어요.

Figure가 자체 공장과 데이터 수집 인프라를 그렇게 빨리 구축한 이유가 여기 있어요. 데이터가 곧 경쟁력이거든요.

경쟁 구도, 한 번 정리해볼게요

지금 휴머노이드 로봇 시장에서 진검 승부를 벌이는 곳들을 짚어볼게요.

Tesla Optimus

일론 머스크가 "2026년부터 양산"이라고 큰소리치고 있어요. 강점은 Tesla의 자체 AI 칩(Dojo)과 자율주행에서 쌓은 비전 AI 노하우예요. 자율주행 데이터를 휴머노이드에 그대로 쓰겠다는 전략이죠. 다만 아직 공개된 시연은 Figure보다 한 발 늦은 인상이에요.

Boston Dynamics Atlas (전기 모터 버전)

원조 강자죠. 운동 능력은 여전히 최고예요. 백덤블링하고, 파쿠르하고, 점프하고. 그런데 "공장에서 실제로 일하는 로봇"으로 포지셔닝하기에는 약간 늦었어요. 최근에는 현대차 그룹 산하로 들어가서 산업용 휴머노이드 쪽으로 방향을 틀고 있어요.

1X (NEO)

OpenAI가 투자한 또 다른 휴머노이드 회사예요. 가정용을 노리고 있어요. Figure가 공장이라면, 1X는 거실인 거죠. 부드러운 외피를 두르고 "안전한 휴머노이드"를 강조해요.

Unitree, XPeng, Fourier (중국 기업들)

가성비로 밀어붙이는 중국 진영도 무서워요. Unitree G1 같은 모델은 1만 6천 달러(약 2천만 원대) 수준이에요. Figure나 Tesla 로봇이 수억 원대일 것으로 추정되는 것에 비하면 엄청 싸요. 성능은 떨어지지만, "일단 사서 써볼 수 있는" 가격이라는 게 무기예요.

정리하면

비유하자면 이래요. 휴머노이드 로봇 시장은 지금 2010년대 초반 스마트폰 시장이랑 비슷해요. iPhone(Figure, Tesla)이 프리미엄 라인을 잡고, Android 진영(중국 업체들)이 가성비로 시장을 넓히고, 보스턴 다이내믹스 같은 원조들이 BlackBerry처럼 자기 자리를 재정의하려는 모습이요.

한국 개발자에게 이건 어떤 의미일까요

자, 그래서 우리 같은 한국 개발자들한테 이게 무슨 상관이냐. 솔직히 "내일 당장" 영향을 받지는 않아요. 그런데 3~5년 후를 생각하면 얘기가 달라져요.

1) 로봇 소프트웨어 엔지니어 수요가 폭발할 거예요

휴머노이드 로봇이 진짜로 공장에 들어가기 시작하면, 그 위에서 돌아갈 소프트웨어 인력이 엄청 필요해져요. 구체적으로는:

• ROS 2(Robot Operating System) 같은 로봇 미들웨어를 다룰 줄 아는 엔지니어
• 시뮬레이션 환경(NVIDIA Isaac Sim, MuJoCo) 에서 학습 데이터를 만드는 사람
• VLA 모델 파인튜닝을 할 줄 아는 ML 엔지니어
• 로봇과 기존 ERP/MES 시스템을 연동하는 백엔드 엔지니어

특히 한국은 현대차그룹(보스턴 다이내믹스 보유), 삼성, LG, 두산로보틱스, 레인보우로보틱스 등이 다 휴머노이드에 관심이 많아요. 인력 수요가 분명히 생겨요.

2) 학습 로드맵을 짠다면

로봇 쪽으로 커리어를 틀고 싶다면, 이 정도 순서로 가보세요.

1. Python + PyTorch 기본기: 어차피 ML이 핵심이에요.
2. ROS 2 튜토리얼: 무료고, 오픈소스예요. 1~2개월이면 기본기 잡혀요.
3. Isaac Sim 또는 MuJoCo: 로봇 시뮬레이터 다뤄보세요. 실제 로봇 없이도 학습 가능해요.
4. Imitation Learning, Reinforcement Learning 논문 읽기: Hugging Face의 LeRobot 라이브러리부터 시작하면 진입장벽이 낮아요.
5. VLA 모델 공부: Google의 RT-2, Figure의 Helix 같은 모델들의 논문을 따라가 보세요.

3) 우리 일이 '대체'될까요?

영상 제목의 "future replacements"라는 농담, 솔직히 개발자한테는 가장 와닿는 부분이죠. 그런데 제 생각은 이래요. 육체 노동이 먼저, 그다음이 단순 화이트칼라, 그리고 한참 후에 창의적인 일이에요.

Figure 03이 30시간 일한다고 해서 당장 시니어 백엔드 개발자가 잘리지는 않아요. 오히려 로봇을 운영하고, 디버깅하고, 통합하는 사람이 필요해요. 마치 자동화 시대에 "공장 자동화 엔지니어"라는 새로운 직군이 생긴 것처럼요.

다만 단순 반복 코딩 작업은 AI에게 점점 더 많이 넘어갈 거예요. 그러니까 우리 개발자들은 "AI가 못 하는 일" 또는 "AI를 부리는 일"로 빨리 옮겨가야 해요.

마무리: 이건 시작에 불과해요

Figure 03의 30시간 연속 작동은 그 자체로는 작은 마일스톤일 수 있어요. 하지만 이게 의미하는 바는 커요. 휴머노이드 로봇이 "데모의 시대"에서 "실전의 시대"로 넘어가고 있다는 거예요.

2026년인 지금, 우리는 아마 5년 뒤에 "아, 그때부터였지" 하고 돌아볼 변곡점에 서 있는지도 몰라요. 인터넷이 1995년에 그랬고, 스마트폰이 2010년에 그랬고, 생성형 AI가 2023년에 그랬던 것처럼요.

저는 개인적으로 두 가지 감정이 동시에 들어요. 흥분과 불안이요. 새로운 기술의 시대가 열린다는 흥분, 그리고 "내 자리는 어디일까" 하는 불안. 아마 여러분도 비슷할 거예요.

그래서 마지막으로 토론 질문 몇 개 던지고 마칠게요.

• 여러분은 휴머노이드 로봇이 언제쯤 일상에 들어올 거라고 보세요? 5년? 10년? 20년?
• 한국 기업 중에 이 시장에서 진짜 두각을 나타낼 곳이 있다면 어디라고 생각하세요?
• 만약 지금 신입 개발자라면, 백엔드/프론트/AI 중에 어디에 시간을 더 투자하실 건가요? 혹시 로봇 쪽도 고려해보셨나요?
• "30시간 연속 작동"이 정말 인상적인 수치인가요, 아니면 마케팅용 과장이라고 보세요?