안될공학 | 2026-05-02 | youtu.be/-5q147P0CC8
Figure 03 양산 영상 공개의 충격적 의미
로봇 공장이 AI 학습 엔진이 되는 이유
24x
120일 만에 생산량 증가
350+
누적 출하 대수
200Hz
Helix System 1 제어 속도
20만+
병렬 시뮬레이션 환경
01
"양산"은 단순히 많이 만드는 게 아니다 ▶ 0:00
개발 vs 양산
  • 개발 = 기술이 되는지 확인하는 단계
  • 양산 = 같은 품질로 반복 대량 생산
  • 수율이 10%면 아무리 좋아도 의미 없음
Figure의 진짜 선언
  • "로봇을 많이 만들었다"가 아님
  • 로봇 공장 = AI 데이터 수집 엔진임을 선언
  • 생산 속도: 일 1대 → 시간당 1대 (120일)
반도체 비유
  • LPDDR6 개발 vs 양산은 차원이 다른 문제
  • 수율 = 제대로 만들어지는 비율
  • 수율이 낮으면 팔 수 없어 의미 없음
02
왜 휴머노이드에게 현실 데이터가 필수인가 ▶ 4:00
일반 AI vs 휴머노이드 AI
구분학습 데이터
텍스트 AI인터넷 문서 (풍부함)
이미지 AI인터넷 이미지 (풍부함)
휴머노이드현실 동작 데이터 (인터넷에 없음)
필요한 현실 데이터 종류
  • 카메라 영상 + 깊이 정보
  • 관절 각도 · 손끝 촉각 · 발바닥 접촉
  • 실패 동작 · 미끄러짐 · 충돌
  • 사람이 개입해 교정한 순간
  • 장시간 운영 중 이상 동작
로봇 350대 운영
→
현실 데이터 대량 수집
→
Helix AI 재학습
→
더 유능한 로봇
→
더 많은 양산
03
Helix — Figure 03의 AI 뇌 3계층 구조 ▶ 8:00
계층역할속도비유
System 2무엇을 할지 느리게 판단 — 목표 이해느림전략가
System 1몸 전체를 어떻게 움직일지 결정200Hz (초당 200번)운동신경
System 0균형·접촉·말초 신경 처리1kHz (초당 1000번)척수 반사
Perception-Conditioned Control (핵심 업데이트)
  • 이전: 몸 상태(관절·균형)만 보고 움직임 → 평지는 잘하지만 경사면에서 수동 개입 필요
  • 이후: 카메라로 주변 환경 실시간 파악 후 온몸 제어 → 경사·장애물도 자율 대응
  • 비유: 눈 감고 발밑만 느끼는 것 → 눈 뜨고 보면서 걷는 것
04
Sim-to-Real — 가상 훈련이 실제 로봇을 만든다 ▶ 13:00
Sim-to-Real이란?
  • 시뮬레이션에서 학습한 행동을 실제 로봇에 이식하는 기술
  • 현실에서 넘어지며 배우면 시간·비용·부품 낭비가 극심함
  • 가상에서 수십만 환경을 병렬로 돌린 뒤 결과를 한 번에 이식
Figure 성과
  • System 0 → 20만 개 이상 병렬 시뮬레이션 환경에서 학습
  • 수천 개 랜덤 지형(계단·경사·장애물) 강화 학습
  • 학습된 가중치를 실제 로봇에 직접 이식 → 즉시 계단 오르내림 성공
05
양산 시스템의 진짜 어려움 ▶ 18:00
Figure 생산 지표
  • 150개 이상 네트워크 워크스테이션
  • 50개 이상 공정 중 검사 포인트
  • 80개 이상 출하 전 기능 테스트
연구실 vs 공장
  • 연구실: 엔지니어가 1대 잡고 수동 수정 가능
  • 공장: 같은 공정 반복 → 수율·결함 관리 시스템 필수
  • 초기 결함을 출하 전에 최대한 잡아내야 함
파급 효과
  • 양산 성공 = 단가 하락
  • 단가 하락 = 더 많은 산업 현장 투입
  • 더 많은 투입 = 더 많은 데이터 = AI 가속
06
경쟁 현황 및 전망 ▶ 20:00
기업로봇2026년 동향
Figure AIFigure 03시간당 1대 양산 달성, 350대 출하
TeslaOptimus양산 준비 중
Boston DynamicsAtlas양산 발표
Agility RoboticsDigitAmazon 창고 투입 확대
승자독식 구조의 핵심 논리
  • 로봇 수 = 데이터 수집 속도 → 앞선 기업이 AI에서도 앞서는 복리 구조
  • Sim-to-Real 기술 성숙도가 향후 1~2년 내 양산 경쟁의 분기점
  • NVIDIA가 말하는 Physical AI의 핵심 병목 = 현실 데이터, Figure가 그 병목을 공략 중