Chapter 11: 전통의 강자 — Boston Dynamics

11.1 Boston Dynamics가 legacy가 아닌 이유

2026년경 Boston Dynamics에 대한 흔한 프레이밍은 "end-to-end 학습 휴머노이드에 의해 곧 disrupt될 legacy incumbent"다. Part IV는 그 프레이밍이 틀렸다고 주장한다. BD는 시장에서 가장 많이 관절화된 휴머노이드의 가장 큰 함대를 출하하고, 가장 운영적으로 성숙한 전신 제어기를 돌리며, 실제로 배포 수표를 쓰는 captive 산업 고객(Hyundai)을 가진 유일한 프런티어 휴머노이드 기업이다. 또한 아키텍처 베팅 — 하이브리드 MPC+RL — 이 정통 MPC/QP 스택(1–2장)을 대체하려 하지 않고 보완으로 취급하는 유일한 프런티어 휴머노이드 기업이다.

이 장은 세 입장을 주장한다. 첫째(§11.2–§11.3), BD의 하드웨어는 Unitree/Figure/Agility/AgiBot 코호트와 질적으로 다르다. 56 DoF hyperarticulation, 2024년 4월 단 하루에 완성된 유압-to-전기 pivot, Hyundai Mobis 커스텀 액추에이터, 30년의 Raibert 계보 선점. 둘째(§11.4–§11.6), BD의 소프트웨어 스택은 의도적으로 하이브리드다. 전신 MPC(2장 primitive의 후손), RAI Institute와의 협업에서 학습된 RL 계층, 그리고 Toyota Research Institute가 제공하는 과제 수준 Large Behavior Model. 셋째(§11.7–§11.9), 상용 파이프라인 — 2026년 1월 이후의 Hyundai Metaplant 배포 — 이 하이브리드 MPC+RL이 end-to-end 학습 경쟁자에 실제 공장 과제에서 맞을 수 있는지 테스트한다. 장은 (§11.10) BD의 아키텍처 베팅이 입증되는지 대체되는지 결정할 열린 질문으로 닫는다.

9장 §9.10은 BD를 System 0/1/2 분류학에서 "전신 QP + MPC / MPC 위의 RL 계층 / TRI Large Behavior Model"로 배치했다. 11장이 그 행을 풀어낸다.

11.2 하드웨어 pivot: 2024년 4월 16–17일

2024년 4월 16일, Boston Dynamics는 유압식 Atlas를 은퇴시켰다. 4월 17일, 회사는 Electric Atlas를 공개했다 ^[7]. 두 이벤트 사이의 24시간 창은 의도적 소통 전략이었다 — 2013–2023년 연구 로봇 시대와 2024+ 상용 휴머노이드 시대 사이의 깨끗한 공적 단절. Nelson, Saunders, Raibert의 retrospective [Nelson et al., 2012/2019]는 Electric Atlas가 상속하고 거부하는 유압식 Atlas 사양을 대략 같은 정도로 기록한다.

유압식 Atlas (DRC 시대, 2012–2023): 1.88 m 키, 158 kg, 28 DoF, 온보드 펌프를 통한 유압 actuation. 동력 밀도 높음. 케이블 실패 시 폭력적. 유지보수와 반복이 악명 높게 어려움. 1장 DRC 논의는 유압식 Atlas를 정점의 정통 스택 예로 지명했다. 그 프레이밍은 여전히 정확하다.

Electric Atlas (2024+) ^[7]: 1.5 m 키, 89 kg, 56 DoF (유압식 Atlas 무게의 약 절반), 2.3 m 리치, 50 kg 페이로드, 자율 교체가 가능한 4시간 배터리, 85–90% 전기-기계 효율, 10 cm 미만 발 배치 정밀도. Hyundai Mobis가 커스텀 액추에이터를 공급한다(4장 §4.5가 이를 QDD 확산 표에 배치했지만 Atlas의 액추에이터는 고전 QDD보다 더 산업 등급이다).

표 11.1은 하드웨어 델타를 요약한다.

출처: ^[7]; [Atlas Electric Reveal, 2024]; 1장 DRC 논의 (유압식 기준선) + §11.2 본문.

56 DoF가 가장 뚜렷한 하드웨어 선택이다. 인간 신체는 골격 수준에서 약 30 기구학 DoF를 갖는다(손발 제외). Electric Atlas의 56은 360° 엉덩이, 허리, 목 회전을 포함한다 — 인간 해부학 한계를 넘어서는. 공개 비디오는 엉덩이를 인간이 쓰는 90도 + 무릎 구부리기가 아닌 360°로 회전시키는 앙와위-기립 전이로 hyperarticulation을 시연한다 [Atlas Electric Reveal, 2024]. 엔지니어링 근거: hyperarticulation은 회복 가능한 실패 상태 집합을 확장하고(로봇이 30-DoF 휴머노이드가 할 수 없는 기구학 구성으로부터 자신을 바로잡을 수 있음) 유효한 동작 계획 집합을 확장한다(정책이 인간-정상 기구학 제약을 존중할 필요가 없음).

56 DoF에도 비용이 있다. 물리적으로 현실적인 방식으로 56 DoF를 활용하는 정책을 학습시키는 것은 (a) 30-DoF 휴머노이드보다 상당히 더 큰 학습 코퍼스 또는 (b) §11.4–§11.6의 하이브리드-MPC 베팅 — MPC 계층에 동적 가해성을 위임하고 RL이 과제 수준 적응을 처리하게 함 — 을 요구한다. BD는 암묵적으로 (b)를 선택했다. 선택이 규모에서 살아남는지가 §11.10의 열린 질문이다.

11.3 Raibert 계보

Marc Raibert는 MIT Leg Lab의 동적 hopping과 달리기 연구 후 1992년 Boston Dynamics를 창립했다. 동적 다리형 로보틱스에서의 회사의 30년 이상 제도적 연속성은 다른 모든 휴머노이드 기업의 2–10년 역사와 질적으로 다르다. Figure AI는 2022년에 창립되었다. Agility Robotics는 2015년에 창립되었다. Unitree는 2016년에 창립되었다. 1X는 2014년에 창립되었다. Fourier Intelligence는 2015년에 창립되었다. AgiBot는 2023년에 창립되었다.

누적된 이점이 세 특정 곳에서 나타난다. 첫째, BD가 쓰는 MPC primitive는 1장 §1.5와 2장 §2.3이 기술한 것과 같다 — 마찰 원뿔, centroidal 동역학 제약, 고충실도 articulated-body 동역학을 갖는 전신 QP — 하지만 1000+ 연구-로봇-년의 실제 배포에 걸쳐 제도적 반복에 의해 튜닝되었다. Di Carlo, Wensing, Katz, Bledt, Kim의 MIT Cheetah 3 convex MPC 논문 ^[4]이 엄밀한 convex-MPC 패턴을 정식화했다. 병렬 작업에서 내려온 BD의 내부 스택은 더 나은 하드웨어와 더 많은 데이터로 같은 계보를 추적한다. Wensing, Posa, Hu의 T-RO 서베이 ^[3]는 약 200편의 참고문헌에서 최적화 기반 다리형 제어 상태를 기록한다. Boston Dynamics는 그 문헌에 가장 깊이 내재된 단일 기업이다.

둘째, 시뮬레이션 자산. BD는 수백 로봇-년-등가 시나리오에 걸쳐 제어기를 검증하기 위해 독점 시뮬레이션 인프라를 구축했다. 시뮬레이션의 접촉 충실도, 센서 모델, 실패 모드 카탈로그는 영업 비밀이다. 또한 물질적 차별화다. 2024년 Isaac Lab에서 시작하는 새 휴머노이드 기업은 NVIDIA의 일반 충실도를 상속한다. BD는 시뮬을 쉽게 commoditize되지 않는 방식으로 형성하는 내부 도메인 지식을 갖는다.

셋째, 행동 라이브러리. 회사의 공개 데모(parkour, 춤, 중하물 운반)는 내부 행동-라이브러리 빙산의 보이는 팁이다. 각 행동은 계획, 제어, 하드웨어 공동 설계에 걸쳐 많은 사람-월의 엔지니어링을 나타낸다. 라이브러리의 총 크기는 BD가 Atlas 상용 pivot에 가져오는 배포-폭 이점의 대략적 proxy다.

Raibert가 창립한 RAI Institute (2024–2025년 형성)는 이 계보 위의 흥미로운 조직적 베팅이다. RAI는 Atlas에 대한 RL 파이프라인에 대해 특별히 BD와 협업하는 비영리 연구 기관이다 [Boston Dynamics & RAI, 2025]. 파트너십의 명시된 초점 영역: 고속 병렬 시뮬레이터로부터의 sim-to-real 전이, loco-manipulation(움직이면서 문과 레버), 전신 접촉 전략(동적 달리기, 중하물 처리). 2025년 비디오에서 zero-shot sim-to-real 전신 행동이 시연되었다. 특정 수치는 공개적으로 공개되지 않았다 [Boston Dynamics & RAI, 2025]. RAI 구조는 BD가 순수 end-to-end 학습에 프로덕션 파이프라인을 커밋하지 않고 RL 연구로부터 이익을 얻게 한다.

11.4 하이브리드 MPC+RL 아키텍처

BD의 공적 아키텍처 공개는 얇은 채로 남는다 — 피어리뷰 논문이 전체 Atlas 2024 스택을 다루지 않는다 — 그러나 모양은 블로그 포스트, 파트너십 발표, BD가 끌어오는 제어 이론 문헌으로부터 식별 가능하다.

핵심에 전신 MPC. MPC 형식화는 Koenemann, Del Prete, Tassa의 HRP-2 전신 DDP 논문 ^[1] (2장 §2.3)과 Di Carlo 외의 Cheetah 3 convex MPC ^[4]로부터 내려온다. 오프보드 또는 온보드 compute 노드에서 약 20–100 Hz로 돌고, 1 kHz 관절-PD 추종기가 실현하는 task-space 궤적을 생산한다. MPC는 마찰 원뿔, 관절 한계, 토크 한계, centroidal 동역학, contact-wrench 가해성을 인코딩한다. 수학은 2장이 감사한 것과 같은 재료다. 엔지니어링 차이는 BD의 성숙한 접촉 스케줄링과 gait-library 통합이다.

MPC 위의 RL 정책 계층. RAI-BD 파트너십이 공개 신호다 [Boston Dynamics & RAI, 2025]. 고속 병렬 시뮬레이션에서 학습된 RL 정책이 MPC의 내부 상태를 포함한 관측을 소비하고 MPC가 통합하는 잔차 또는 메타 수준 행동을 생산한다. 정확한 인터페이스는 공개되지 않았다. 두 아키텍처 패턴이 그럴듯하다.

1. MPC warm-start로서의 RL: RL 정책이 후보 task-space 궤적을 생산하고, MPC가 자체 최적화의 초기화로 그것을 쓰며, 안전 필터 역할을 하는 MPC의 증명 가능한 옳음과 함께.
2. 외부 루프 과제 선택기로서의 RL: RL 정책이 MPC 제어기 라이브러리(걷기, 달리기, 중하물 운반, 조작 포즈) 중에서 선택하고, MPC가 선택된 것을 실행한다.

패턴 1은 7장 §7.6 안전 필터 패턴에 더 가깝다. 패턴 2는 Xie 외가 출판한 계층적 분해 ^[10]에 더 가깝다. BD의 실제 스택은 어느 쪽, 둘 다, 또는 하이브리드일 수 있다. 공개 공개는 어느 것인지 결정하기에 불충분하다.

상단에 Large Behavior Model. Toyota Research Institute의 LBM ^[9]이 Atlas에 대한 System 2 계층을 제공한다. LBM은 Diffusion Policy ^[2] 기반에 구축되며 작은 시연 집합(수십 개 예제)으로부터 조작 기술을 학습하도록 설계된다. TRI의 BD와의 파트너십 ^[9]은 조작 과제에 대해 Atlas에 LBM 유래 정책을 명시적으로 배포한다. 공개 신호는 LBM이 MPC+RL 하위 계층이 하지 않는 것을 다룬다는 것이다. 개방 세계 조작, 새로운 물체 처리, 과제 수준 지시 추종.

세 계층 스택 — System 2의 LBM, System 1의 MPC+RL, System 0의 고전 관절 추종 — 이 9장 §9.10의 BD 행에 깨끗하게 매핑된다. BD의 아키텍처 서명은 System 1이 순수 학습이 아닌 MPC+RL이고 System 0이 학습된 1000만 매개변수 네트워크가 아닌 고전 PD+QP라는 것이다.

11.5 왜 하이브리드가 중요한가 — 정통파 primitive는 죽기를 거부한다

2장 §2.8이 운영 규칙을 명료화했다. 증명 가능하게 옳은 곳에서는 정통파 primitive를 쓰고, 분포 커버리지가 유일한 가용 보장인 곳에서는 학습된 primitive를 써라. BD의 아키텍처는 프런티어 기업 중 그 규칙의 가장 엄격한 표현이다.

세 특정 이점이 따른다.

진단적 실패 모드. 하이브리드 MPC+RL이 실패하면 실패는 종종 진단적이다. MPC가 마찰 원뿔 위반, 접촉 손실, 액추에이터 포화를 보고한다. 로그를 읽는 엔지니어는 위반된 특정 제약을 가리킬 수 있다. 이것을 end-to-end 학습 실패와 비교하라. end-to-end 실패는 특정 제약 귀속 없이 out-of-distribution 이벤트로 표면화된다. 진단적 실패는 안전 인증(15장의 ISO 10218 / TS 15066 논의)과 상용 배포의 장기 엔지니어링 리듬에 필수다.

증명 가능한 부분 옳음. MPC의 마찰 원뿔, 관절 한계, centroidal 제약은 MPC의 지평선과 모델 내에서 수학적으로 보장된다. 보장은 모델 오차 하에서 열화하지만 지평선 내에서는 절대 파국적으로 틀리지 않는다. 학습된 정책은 등가 보장을 가져오지 않는다. 학습 분포의 편향을 상속하지만 형식 안전 범위를 제공하지 않는다. BD의 하이브리드 스택은 System 1의 하단 edge에서 MPC의 보장을 수반하며, 이는 학습된 정책 단독으로는 아직 조달을 통과하지 않을 산업 환경에서 Atlas를 배포 가능하게 만드는 것이다.

고 DoF에서의 데이터 효율성. 56-DoF Atlas 하드웨어는 순수 RL에 대한 샘플 복잡도 문제를 만든다. 56-관절-공간 동역학에 대한 도메인 랜덤화는 30-관절-공간보다 더 비싸다. MPC는 고 DoF 가해성을 학습될 필요가 없는 볼록 최적화 기계로 흡수함으로써 이 문제를 축소한다. RL은 그 위에 과제 수준 적응만 학습하면 되고, 이는 더 낮은 차원의 학습 문제다. 이것이 특별히 Atlas의 규모에서 하이브리드가 중요한 이유다 — Figure 03의 30 DoF에서 MPC의 비용-이익은 덜 설득력 있다.

12장이 전개할 반대 주장은 end-to-end 학습 접근이 데이터와 compute가 따라잡으면 더 잘 스케일하고, BD의 하이브리드는 학습 시스템이 개선됨에 따라 갚을 기술 부채라는 것이다. 논쟁은 살아 있다. 16장의 확산 시나리오는 어느 쪽도 완전히 이기지 않는다고 주장한다.

11.6 상용 파이프라인 — Hyundai

Boston Dynamics는 다른 어떤 휴머노이드 기업도 갖지 못한 captive 산업 고객을 가진다. Hyundai Motor Group. 인수는 2021년 약 US\$11억에 마감되어 Hyundai에게 BD의 80% 지분을 주었다 ^[12]. 2026년 1월, Hyundai는 조지아주 Bryan County의 Metaplant — 회사의 flagship EV 제조 공장 — 에 Electric Atlas 배포를 발표했다 [Hyundai Metaplant, 2026]. 배포는 BD의 RL 파이프라인에서 Hyundai 자체 공장의 상용 배포로의 첫 공개 end-to-end 파이프라인이며, Agility-GXO 선례를 약 18개월 따른다(12장).

Hyundai 통합은 세 전략 계층을 갖는다.

자본: Hyundai의 2021년 US\$11억 투자는 Figure, Unitree, AgiBot가 갖지 않는 재정 안정성을 BD에 주었다. Hyundai로부터의 후속 RAI Institute 자금 조달은 BD의 AI 역량에 대한 2차 투자다. 자본 쿠션은 BD가 더 긴 설계 주기를 갖고 §11.3의 독점 시뮬레이션과 행동 라이브러리 자산에 투자하게 한다.

배포: Metaplant가 proving ground다. Electric Atlas가 Metaplant의 처리량 요구사항에서 실제 자동차 조립 과제(와이어 하네스 라우팅, 부품 staging, 검사)를 완수하면, BD는 다른 어떤 휴머노이드 기업도 갖지 않는 것을 가진다 — 배포된 로봇당 실제 달러 절약을 갖는 상용 참조 고객. Atlas가 Metaplant에서 부진하면 프로그램의 PR 비용이 상당할 것이다.

한국 전략적 다리: Hyundai의 BD 소유는 한국 산업과 프런티어 휴머노이드 역량 사이의 가장 큰 단일 직접 링크다. 14장의 한국 위치 분석은 이로 돌아간다. K-휴머노이드 연합의 하중을 지탱하는 자산으로. HD Hyundai Robotics(산업 팔 spinout)가 2025년 연합에 합류했고, BD-Atlas 프로그램은 한국 산업이 자신의 것으로 주장할 수 있는 가장 가시적인 휴머노이드 역량이다 ^[12]. 한국-미국 IP 연계는 비대칭이다 — 대부분 IP가 울산이 아니라 매사추세츠주 Waltham에 앉아 있다 — 그러나 연계는 존재하고, 14장은 한국이 이를 의존성 취약점으로 취급하기보다 활용해야 한다고 주장한다.

계보 주석: BD의 첫 상용 배포 플레이북은 Atlas가 아니라 Spot이다 — 2020년 US\$74,500 가격점에서 출시된 4족 제품 [Boston Dynamics, 2020+]. 2024년까지 전 세계에 약 1,500+ Spot이 유틸리티, 건설, 검사 수직에 걸쳐 배포되었다. Spot은 Atlas가 상속하는 BD의 at-scale 상용 경험 — 개발자 도구, 고객 지원, 소프트웨어 릴리스 cadence, 보험과 책임 프레임워크 — 을 제공했다. Figure와 Agility는 이것들을 상용 규모에서 처음으로 구축하고 있다. BD는 기존 플레이북에서 반복하고 있다.

11.7 end-to-end 학습 대안과의 비교

Figure의 Helix 02(10장 §10.4)와 AgiBot의 GO-2가 BD의 하이브리드 스택과 가장 직접적으로 대조되는 두 end-to-end 학습 아키텍처다. 비교가 교훈적이다.

표가 trade-off를 프레이밍한다. BD는 하드웨어 복잡도(56 DoF)에 커밋하고 샘플 복잡도 비용을 MPC의 수학적 다루기 쉬움과 교환한다. Figure는 소프트웨어 복잡도(end-to-end 학습 스택)에 커밋하고 형식 보장을 teleoperation 데이터 효율성과 교환한다. AgiBot은 규모(100-휴머노이드 함대 데이터 수집)에 커밋하고 데이터 다양성을 단위당 배포 깊이와 교환한다.

세 기업 중 어느 것도 2026Q1 기준 상업적으로 지속 가능한 규모 배포를 공개 시연하지 않았다. 각자 자신의 아키텍처 선택이 대안보다 더 빨리 스케일한다고 베팅한다. 2026–2028 상용 데이터 — Hyundai Metaplant, Figure 파일럿 고객, AgiBot 산업 롤아웃 — 이 첫 차별화 신호를 제공할 것이다.

11.8 한국 앵글 — 이례적으로 하중을 지탱하는 관계

대부분의 Part IV 기업 분석은 제품 로드맵 추측으로 닫힐 것이다. BD에 대해 한국 앵글은 자체 다룸을 받을 가치가 있다. 세 관찰.

Hyundai-BD는 가장 밀도 높은 한국-미국 휴머노이드 연계다. 삼성은 Rainbow Robotics에 소규모 지분을 가진다(14장). LG와 SK는 덜 가시적인 휴머노이드 위치를 가진다. Hyundai의 80% BD 소유는 다른 모든 한국 위치를 한 차원 압도한다. 단일 한국 대기업이 2028–2030 구간에 프런티어 휴머노이드를 생산한다면, 불균형적으로 BD를 통한 Hyundai일 가능성이 높다.

IP 지리는 비대칭이다. BD의 본사와 엔지니어링은 매사추세츠주 Waltham에 있다. Atlas 제조는 분할될 것이다(Hyundai Mobis가 액추에이터 공급; BD가 Waltham에서 통합; Hyundai가 Metaplant에서 조립). 한국 소유는 일본이 Honda 로봇에 대해 가지거나 중국이 Unitree에 대해 가지는 의미에서 프런티어 휴머노이드를 위한 산업 기반을 한국에 주지 않는다. 이것은 14장이 전개하는 caveat다.

Metaplant 배포는 2026년에 가장 테스트 가능한 단일 한국 휴머노이드 주장이다. Atlas가 Metaplant에서 성공하면 Hyundai는 자체 공장에서 규모로 자체 설계(BD를 통해)된 휴머노이드를 가진 첫 글로벌 자동차 OEM이 될 것이다. 배포는 BD의 상용 논제를 검증하고, 그렇게 함으로써 Hyundai의 휴머노이드 전략을 검증하도록 명시적으로 구성된다. 2026년에 Metaplant 수치를 주시하라.

14장과 15장이 한국 생태계 진단 프레이밍에서 이 관찰로 돌아간다.

11.9 열린 질문

세 질문이 이 장을 닫는다.

첫째, 하이브리드 MPC+RL이 보행만큼 조작에도 잘 스케일할 것인가, 아니면 보행 우선 아키텍처로 남을 것인가? BD의 공개 시연은 보행, parkour, 중하물 운반을 강조한다. 상체 조작은 TRI LBM이 하중을 지탱하도록 기대되는 곳이지만, LBM과 MPC+RL 하위 계층과의 통합은 공개되지 않았다. 통합이 깨끗하면 BD는 완전한 스택을 가진다. 느슨하면 BD는 보행-플러스-조작-볼트온이고 Figure의 통합 visuomotor 접근에 취약하다.

둘째, BD가 end-to-end 학습 기업만큼 빠르게 반복할 수 있는가? 하이브리드 아키텍처는 릴리스당 더 복잡하다. 각 Atlas 업데이트는 MPC 옳음, RL 전이, LBM 조작 기술을 개별적으로 검증해야 한다. 2024년 4월 16–17일의 24시간 유압-to-전기 pivot은 BD가 선택하면 빠르게 움직일 수 있음을 보였다. 열린 질문은 제도적 리듬이 Figure의 월별 Helix 업데이트가 함축하는 반복 cadence를 지원하는지다.

셋째, Raibert 제도적 연속성이 복리화하는지 석화하는지? 30년의 선점은 실제 자산이다. 또한 제약이다. System 1에 MPC에 대한 BD의 커밋은 기술적 판단만이 아니라 부분적으로 엔지니어링 문화의 반영이다. 2024년 처음부터 시작한 새 휴머노이드 기업 — Figure가 했듯이 — 은 MPC에 커밋되지 않고 자신의 2024–2026 데이터가 지지하는 어느 아키텍처든 채택할 수 있다. BD의 커밋은 더 깊다. MPC 기반 접근이 경쟁력을 유지하면 보상하고 그렇지 않으면 BD를 제약할 것이다.

12장이 이제 US 도전자 — Figure와 Agility — 로 돌아선다. 이들의 아키텍처 베팅은 BD의 하이브리드 논제의 자연스러운 대응물이고, 공개 공개가 얇은 채로 남는 Tesla Optimus 전망과 함께.

참고문헌

1. Koenemann, J., Del Prete, A., & Tassa, Y. (2015). A whole-body model predictive control framework for humanoid robots. Proc. IEEE/RSJ IROS. doi:10.1109/IROS.2015.7353596.
2. Chi, C., et al. (2023). Diffusion policy: Visuomotor policy learning via action diffusion. Proc. RSS.
3. Wensing, P. M., Posa, M., & Hu, Y. (2024). Optimization-based control for dynamic legged robots. IEEE T-RO. arXiv:2211.11644.
4. Di Carlo, J., Wensing, P. M., Katz, B., Bledt, G., & Kim, S. (2018). Dynamic locomotion in the MIT Cheetah 3 through convex model-predictive control. Proc. IEEE/RSJ IROS.
5. Nelson, G., Saunders, A., & Raibert, M. (2012/2019). Atlas: The hydraulic humanoid for the DARPA Robotics Challenge. Annual Review of Control, Robotics, and Autonomous Systems (retrospective).
6. Boston Dynamics. (2024). Electric Atlas: 56-DoF all-electric humanoid. Boston Dynamics announcement, April 2024.
7. Boston Dynamics. (2024). All New Atlas: Electric Atlas reveal video. April 17, 2024.
8. Boston Dynamics. (2020+). Spot and its commercial lessons for Atlas. Product pipeline.
9. Tedrake, R. (2024). Toyota Research Institute Large Behavior Models for robot manipulation.
10. Xie, K., et al. (2024). Hierarchical reinforcement learning for humanoid whole-body control. arXiv preprint 2412.10210.
11. Boston Dynamics and RAI Institute. (2025). Partnership for Atlas reinforcement learning. February 2025.
12. Hyundai Motor Group. (2025). HD Hyundai Robotics and Hyundai–Boston Dynamics ecosystem.
13. Hyundai Motor Group. (2026). Hyundai Metaplant Georgia and Atlas deployment. January 2026.
14. Righetti, L., Buchli, J., Mistry, M., Kalakrishnan, M., & Schaal, S. (2013). Optimal distribution of contact forces with inverse-dynamics control. International Journal of Robotics Research.
15. Figure AI. (2026). Figure 03 + Helix 02: General-purpose humanoid system. (Contrast로 인용.)