Chapter 12: 미국의 도전자 — Figure AI와 Agility Robotics (with Tesla Optimus 전망)

12.1 반대 방향의 두 베팅

Boston Dynamics (Chapter 11)가 하이브리드 MPC+RL 전통 강자라면, Figure AI와 Agility Robotics는 서로 반대 방향으로 베팅한 미국의 두 도전자다. Figure는 엔드투엔드 학습 정책, 강한 수직 통합, 소비자 지향 스케일업을 택한다. Agility는 안전 우선 전신 제어와 좁은 산업 수직 배치를 택한다. 둘 다 미국 기반이고, 둘 다 상업 규모 자금을 모았으며, 둘 다 2026년에 출하 중이고 — Part III가 정리한 거의 모든 구조적 질문에 대해 의견이 엇갈린다. 이 의견 차이는 단일 기업 분석이 드러낼 수 없는 트레이드오프를 전면에 드러내 준다.

Tesla의 Optimus는 이 둘과 나란히 놓기엔 어색하다. Tesla는 시연은 공개했지만 사실상 동료평가된 엔지니어링 자료는 내지 않았고, 2026년 1월 발표된 Gen 3 양산은 이 분야에서 가장 큰 양산 규모 주장이자 동시에 외부에서 가장 검증하기 어려운 주장이다. §12.7은 Tesla를 조심스럽게 다룬다 — 공개된 것은 보고하고, 공개되지 않은 것은 명시하며, 그 너머의 분석은 추정임을 명시한다. 미국 진영에 속하는 소규모 참여자 둘 — 1X (노르웨이/미국, 가정용 로봇 중심)와 Sanctuary AI (캐나다, 유압 손 특화) — 는 공개 자료가 Figure·Agility·Tesla보다 얕기 때문에 §12.8에서 간단히 다룬다.

챕터 구성: Figure의 하드웨어 (§12.2)와 소프트웨어 스택 (§12.3), Agility의 Digit 계보 (§12.4)와 Motor Cortex 아키텍처 (§12.5), Figure-Agility 비교 (§12.6), Tesla Optimus 전망 (§12.7), 1X·Sanctuary 단신 (§12.8), Part IV 중간 열린 질문 (§12.9).

12.2 Figure AI — Figure 03로의 하드웨어 피벗

Figure AI는 2022년 Brett Adcock이 창업했고 4년 동안 다섯 세대의 휴머노이드를 반복했다 — Figure 01 (2023 프로토타입), Figure 02 (2024년 8월) ^[2], Figure 03 (2025년 10월). 프론티어 기업 휴머노이드 하드웨어 프로그램 중 가장 빠른 주기이며, 하드웨어 반복과 소프트웨어 배치를 한 라인에 묶은 Figure의 수직 통합 BotQ 제조라인이 이를 뒷받침한다. 초기 Tesla 차량 파이프라인을 연상시키는 구도다.

Figure 02 (2024년 8월)는 Helix 소프트웨어 출시를 위한 임시 플랫폼이었다 ^[2]. OpenAI 언어 파트너십 (2023–2024)과 결합해 Figure 02는 Helix의 전면 VLA 릴리스에 앞서 대화 능력을 얹었다. BMW의 사우스캐롤라이나 Spartanburg 공장에서 파일럿이 돌아갔다 — 미국 내 자동차 제조 라인의 최초 휴머노이드 파일럿이다.

Figure 03 (2025년 10월)은 상업 규모 풀-스케일 휴머노이드이자 Helix 02가 구동되는 하드웨어다 ^[10]. 주요 사양:

• 본체: 30 자유도.
• 손: 5손가락, 손당 20 DoF. 지문 영역 촉각 센서로 3 g 분해능.
• 비전: 메인 카메라 6대 + 손바닥 카메라 2대 (시각 기반 고유수용 감각).
• 전원: 2 kW 유도 바닥 충전 (플레이트 접촉, 수동 커넥터 없음).
• 통신: 10 Gbps 밀리미터파 상향 링크로 플릿 컴퓨트에 연결.
• 제조: BotQ 수직 통합 공장.

3 g 지문 촉각 분해능이 가장 날카로운 하드웨어 차별점이다. 2024–2026 시기 양산 휴머노이드 대부분은 손목 수준의 거친 힘 피드백만 가진다. 3 g 지문 센싱은 Chapter 4 §4.7이 민첩 조작의 미해결 프런티어로 지목한 촉각 영역에 Figure를 위치시킨다. 2 kW 유도 발 충전은 두 번째 신호 — 플러그 충전이 플릿 배치의 신뢰성 병목이 될 수밖에 없는 환경을 겨냥한 열·가동률 메시지다. 10 Gbps mmWave는 플릿 학습 전제 — Figure는 데이터를 지속적으로 오프-로봇에서 처리할 계획이고, 이는 소프트웨어 아키텍처 선택을 규정한다.

12.3 Helix와 Helix 02 — System 0/1/2의 대표 구현

Figure의 소프트웨어 스택은 Chapter 9가 참조한 기준 아키텍처다. Helix (2025년 2월) ^[8]는 "System 1 + System 2" 명명을 도입했고, 저전력 임베디드 GPU에서 완전 온보드 구동되었다고 보고된 최초의 VLA를 내놓았다. System 2는 장면 이해·언어를 담당하는 7–9 Hz 인터넷 사전학습 VLM, System 1은 모든 센서 입력을 모든 관절 출력으로 매핑하는 200 Hz 반응형 visuomotor 정책. "all sensors in, all joints out" 슬로건은 중간 추상화 없이 간다는 Figure의 공개 선언이다.

Helix 02 (2026년 1월/2월) ^[10]은 그 아래에 System 0을 추가했다 — 1 kHz에서 구동되는 10M 파라미터 전신 제어기. Helix 02는 7B VLM S2와 visuomotor S1을 그대로 유지한다. 완성된 스택의 시연:

• 4분 연속 작업 수행 (식기세척기 로딩 문서화).
• 리셋 없이 연결된 61개 이동-조작 primitive.
• 약 4자릿수 다이내믹 레인지 — 밀리미터 단위 손끝 움직임부터 방 규모 이동까지.

다이내믹 레인지 주장은 아키텍처적으로 중요하다 — 단일 가중치 집합이 System 0/1/2 스택의 운영 엔벨로프 전체를, 미세 손끝 조정에서 방 단위 이동까지, 태스크별 fine-tuning 없이 다룬다는 의미다. 상업 배치 규모에서도 성립한다면 Figure의 엔드투엔드 테제는 크게 입증된다. 시연 큐레이션에서만 성립한다면 크게 약화된다. 2026년 1분기 시점까지 독립적 제3자 재현은 없다.

물류 확장은 Figure의 2025년 상업화 추진이다. 2025년 Helix 기술 블로그 ^[8]는 Figure 02/03 플릿의 tote 분류 태스크 배치를 문서화하며, Agility의 GXO 배치 (§12.4)와 명시적으로 대결 구도를 잡는다. Figure의 주장은 플릿 학습 호환성 — 플릿 전체가 공유 가중치를 쓰고, OTA 소프트웨어 업데이트로 배치 데이터로부터 지속 개선된다 — 에 초점을 둔다. Agility GXO 수치에 비교 가능한 tote 처리량 정량 벤치마크는 공개되지 않았다.

훈련 데이터 경제학: Figure의 Helix는 약 500시간의 지도 원격조종 데이터로 학습했다고 보고된다 — VLA 훈련 기준으로 작은 숫자다 (AgiBot World 1M+ 궤적, Open X-Embodiment 970k 에피소드). Figure의 암묵적 베팅은 데이터 일관성 (동일 하드웨어·동일 원격조종자 풀·동일 태스크)이 원시 규모보다 중요하다는 것이다. 이것이 새로운 태스크 클래스로 스케일되는지는 상업 배치가 답할 열린 질문이다.

12.4 Agility Robotics — Cassie에서 Digit으로

Agility Robotics는 Oregon State University의 Jonathan Hurst 연구실에서 파생됐다. 이 연구실은 Cassie 리서치 이족보행 (Chapter 4 §4.5; Chapter 6 §6.5) ^[1]를 만들었다. Cassie의 설계 철학 — SLIP 기반 스프링-질량 동역학, 몸통에 집중된 질량, 최소화된 다리 관성, 정강이-피치 및 발목 앞쪽 관절의 리프 스프링 — 은 인간 수준 보행 속도에서 에너지를 효율적으로 저장·반환하는 플랫폼을 낳았다. Agility는 이 계보를 상업화해 창고 물류용으로 각색한 Digit을 만들었다.

Digit 하드웨어는 Figure 03·Electric Atlas와 눈에 띄게 다르다.

• 다리 형태: 정강이와 발목 앞쪽의 수동 스프링 (통념과 달리 발목 자체 아님). 다리당 일곱 번째 관절로 구동형 발가락.
• 몸통: 감량 설계, 조작 중심 팔과 그리퍼 (5손가락 손 아님).
• 운용 엔벨로프: 창고 규모 이동 + 신뢰성 있는 픽앤플레이스. 민첩 조작이 아님.

아키텍처 선택은 분명하다 — Agility는 제한된 태스크의 산업 환경에서의 인력 대체가 근시일 상업 휴머노이드 기회라고 베팅했고, 걷기+닿기에서 신뢰성 최적화된 플랫폼이 그 경제적 타깃에서 범용 휴머노이드를 이긴다고 본다. Digit-GXO 배치 (§12.6 참조)는 이 베팅이 성과를 내고 있다는 증거다.

12.5 Motor Cortex — 안전 우선 전신 제어

Agility의 Motor Cortex ^[9]는 Digit용 파운데이션 모델급 전신 제어기로, 2025년 8월에 발표됐다. Figure의 Helix와 구별되는 세 가지 아키텍처 주장:

컴팩트 모델: Agility 공개에 따라 100만 파라미터 미만. 이는 HOVER의 1.5M (Chapter 6 §6.10)보다 작고 Figure Helix의 VLM급 스택보다 세 자릿수 작다. Motor Cortex는 Figure 03의 7B VLM이 요구하는 전력·열 엔벨로프 없이 엣지 하드웨어에서 편안히 돈다.

시뮬레이션 전용 학습: NVIDIA Isaac Sim에서만 3–4일 동안 "수십 년의 시뮬레이션 시간"에 해당하는 학습. 훈련 혼합에 실제 로봇 데이터 없음. 하드웨어로 제로샷 전이. 시뮬 전용 주장은 아키텍처적 규율이다 — Motor Cortex는 주의 깊게 구성된 시뮬레이션과 도메인 랜덤화 (Chapter 5 §5.4, Chapter 7 §7.2)가 배치 분포를 충분히 덮기 때문에 실제 로봇 원격조종은 훈련 요건이 아니라는 쪽에 베팅한다. Motor Cortex는 조작 작업공간 궤적 커버리지를 구체적으로 강조한다 — AMASS 식 mocap만이 아니라 창고 태스크가 요구하는 힘 작용 궤적까지 (Chapter 6 §6.10 논의).

상시 동작 안전 레이어: Motor Cortex는 "always-on"으로 기술되는 안전-모니터 통합을 포함한다. 이 안전 레이어는 Chapter 2 §2.3이 명명한 QP 기반 안전 필터 패턴 — 학습된 전신 정책 위에 중재하는 클래시컬 제약 솔버 — 이다. 이것이 ISO 10218 / TS 15066 체제하 산업 시설 배치 인증 게이트를 Digit이 통과하게 만드는 요소이며, Figure는 대규모에서는 아직 공개적으로 통과하지 못한 관문이다.

운영 증거: 2025년 11월 기준 GXO의 조지아 Flowery Branch 시설에서 100,000+ tote 이동 [Agility Robotics, 2024-gxo; Agility Robotics, 2025]. 2024년 6월에 체결된 다년 Robots-as-a-Service (RaaS) 계약은 업계에서 검증 가능한 최초의 다년 휴머노이드 상업 배치가 되었고, 12개월 넘게 연속 운영됐다. 10만 tote라는 수는 학습 지표가 아니라 배치 지표지만 (Chapter 3 §3.7 Gap 3 명시), RaaS 휴머노이드 경제학이 산업 운영을 지속시킬 수 있다는 가장 강한 공개 증거다. Figure의 2025 물류 시연 (§12.3)은 이에 대응해 포지셔닝하지만 비교 가능한 양산 규모 수치를 공개하지 않았다.

Motor Cortex는 추가로 (자율 교체 가능) 4시간 배터리와 Agility의 플릿 관리 클라우드 플랫폼 "Arc" 통합을 지원한다. Arc는 Motor Cortex 자체보다 공개 문서화가 얕지만 다중 로봇 플릿이 태스크 할당·텔레메트리·소프트웨어 업데이트를 조율하는 상업 오케스트레이션 레이어다.

12.6 Figure 대 Agility — 아키텍처 대비

표 하나로 트레이드오프를 담는다.

네 가지 관찰:

하드웨어-DoF 대비. Figure 03의 30 DoF 본체 + 손당 20 DoF는 총 ~70 DoF. Digit은 더 적다. 이 차이는 능력 격차가 아니라 설계 선택이다 — Figure는 훈련 복잡도 비용을 치르며 엔벨로프(로봇이 물리적으로 할 수 있는 것)를 산다. Agility는 엔벨로프를 산업 태스크가 실제 필요로 하는 수준으로 제한한다.

System 0 아키텍처 대비. Figure의 학습 10M 파라미터 S0는 엔드투엔드 학습이 클래시컬 QP보다 관절 수준 조율을 더 타이트하게 한다는 베팅이다. Agility의 클래시컬 QP 안전 필터는 최하단 레이어에서의 증명 가능한 정확성이 표현력 희생의 가치가 있다는 베팅이다. Chapter 11은 Boston Dynamics가 하이브리드 중간에 위치한다고 했다 — Figure는 완전 학습 끝, Agility는 안전 우선 클래시컬 끝에 위치한다.

훈련 데이터 철학 대비. Figure의 500시간 고품질 원격조종은 규모보다 일관성 베팅. Agility의 순수 시뮬 학습은 수집보다 커버리지 베팅. 둘 다 현재 증거로는 방어 가능하다 — 엔지니어링 예산을 어디에 쓸 것인가라는 다른 질문에 답하고 있을 뿐.

상업 지표 대비. Agility는 양산 라인에서 10만+ tote가 있고, Figure는 물류 시연과 BMW 파일럿이 있다. GXO 배치는 2024–2026년 어떤 휴머노이드 기업이 내놓은 것보다 강력한 상업 증거다. Figure의 배치 증거는 얇지만 아키텍처 주장은 더 야심 차다.

어느 베팅이 이기는지는 아직 결정되지 않았다. 2026–2028 상업 데이터가 차별화할 것이다 — Figure 03의 민첩 조작이 Digit이 경제적으로 할 수 없는 태스크로 번역되면 Figure의 테제가 이기고, Digit의 좁은 산업 배치가 계속 스케일되는 동안 Figure의 BMW/물류 파일럿이 파일럿에 머물면 Agility의 테제가 이기고, 둘 다 시장 다른 구간에서 번성하면 아키텍처 논쟁은 지배가 아니라 공존으로 해소된다.

12.7 Tesla Optimus — 공개된 것과 공개되지 않은 것

Tesla는 2021년 AI Day에서 Optimus를 발표했고 2022년 Gen 1 시연, 2023년 12월 Gen 2 ^[4], 2026년 1월 Gen 3 양산 발표로 이어졌다. 공개된 엔지니어링 자료는 Figure·Agility·AgiBot (Chapter 13)보다 크게 얇다. 문서화된 것과 추정된 것을 세심히 구분해야 한다.

Optimus Gen 2 (2023년 12월 / 2024년 업데이트) ^[4]:

• 신장 약 180 cm, 질량 약 55 kg (Gen 1 대비 10 kg 경량화).
• 보행 속도 ~8 km/h (Gen 1 대비 ~30% 향상 주장).
• 몸체 액추에이터 28개 (회전 14개 + 선형 행성식 롤러 스크류 14개, Tesla 공개 기준). 행성식 롤러 스크류 선형 액추에이터는 Tesla 자체 개발이며 QDD급 회전 액추에이터와 구별된다.
• 11 DoF 촉각 손.
• 2.3 kWh 배터리.

Optimus Gen 3 (2026-01-21 양산 발표):

• 22 DoF 손. 측면당 약 25개 액추에이터를 tendon-driven 아키텍처로 팔뚝에 재배치 (Gen 2 대비 손 액추에이터 수 4.5배 증가).
• 5G + WiFi 기반 플릿 학습 주장.
• 2026년 1월 21일부터 프리몬트, 캘리포니아에서 양산 시작.

이것이 문서화된 것이다. 문서화되지 않은 것:

• 동료평가된 엔지니어링 논문 없음 — 액추에이터 설계, 제어 아키텍처, 소프트웨어 스택 어느 것도.
• 공개 벤치마크 없음 — 태스크 성공률, 조작 정확도, 배치 가동률이 AgiBot World / GXO-Digit 수준의 공개 규모로 발표된 적 없음.
• 소프트웨어 스택 비공개. Optimus가 학습된 VLA를 돌리는지, 하이브리드 MPC+RL 스택을 돌리는지, 원격조종 중심 아키텍처인지, 그 외 무엇인지 Tesla의 어떤 공개 자료에도 기술되지 않았다.
• 행성식 롤러 스크류 선형 액추에이터는 진정으로 구별되는 하드웨어 선택 (회전이 아닌 선형)이지만, 고장 모드 분석·효율 수치·역구동성 지표는 공개되지 않았다.
• 양산 규모 주장 (2026년 1월부터 양산)은 크지만 독립 검증되지 않았다. Reuters·Bloomberg 등의 관찰자가 있지만 공장 현장의 직접 검증은 확보되지 않았다.

책임 있는 프레이밍: Tesla의 Optimus는 제조 역량과 선형 액추에이터 선택에 근거해 양산 규모에서 근시일 참여자로 그럴듯하다. 배치 시점 역량은 다른 프론티어 휴머노이드 (Figure·Agility·AgiBot)와의 유추로 추론 가능하지만 Tesla 공개 자료로 검증되지 않는다. Chapter 15와 Chapter 16은 Optimus를 측정 가능한 기술 스펙에 비해 공공 담론에 불균형한 영향을 주는 정보 비대칭 사례로 다시 다룬다.

손 설계 부기 — Optimus Gen 3의 22 DoF 손은 측면당 약 25개 액추에이터를 tendon-driven 방식으로 팔뚝에 재배치한 구성으로, 절대 수치로 프론티어 휴머노이드 중에서도 의욕적인 손 설계다. Chapter 15는 손 설계를 2026년 차별화 프런티어로 다룬다. Tesla의 손 아키텍처가 Figure 03의 20-DoF 3-g 촉각 설계에 필적하거나 이를 능가하는 파지 성공률로 번역되는지는 배치 데이터가 답해야 할 구체적 질문이다.

12.8 단신 — 1X와 Sanctuary AI

1X Technologies (노르웨이-미국, 2014년 Halodi Robotics로 창업) ^[5]는 가정용 로봇 중심 참여자다. Neo Gamma (2024)는 조용하고 부드러운 인간 친화 운용을 우선하기 위해 3D 니트 외피와 건(tendon) 구동을 쓴다. 1X는 NVIDIA와 파트너십을 맺고 GR00T N1 공개 발표에서 Fourier GR-1, Unitree H1과 함께 파트너 휴머노이드 플랫폼 중 하나로 위치한다. GR00T N1의 공개 실세계 평가는 Fourier GR-1에서 구체적으로 수행됐다 (Chapter 10 §10.2). 2025년에 소비자 베타 프로그램이 발표됐고, 규모·상업 검증은 아직 공개 신호가 제한적이다. OpenAI가 투자자다. 1X의 아키텍처 베팅은 — 소비자 파일럿으로 축적된 가정 환경 데이터가 산업 전용 데이터에서는 다른 기업이 복제할 수 없는 휴머노이드 VLA로 복리 성장한다는 것.

Sanctuary AI (캐나다, 2018년 창업) ^[6]은 유압 손 설계 특화 기업이다 — Phoenix Gen 7 (2024)은 20 DoF 손과 총 70+ DoF를 보고하며, 원격조종 중심 파이프라인을 통해 민첩 조작을 목표로 한다. Sanctuary의 인지 제어용 "Carbon" 파운데이션 모델은 1000+ 태스크를 주장한다. 공개 벤치마크 수치는 제한적이다. Sanctuary의 아키텍처 베팅은 Motor Cortex의 컴팩트 모델 테제와 정반대 — 손 하드웨어와 VLM급 인지 모델에 강하게 투자하고, 민첩 조작 데이터가 복잡도 비용을 갚아내게 한다.

1X와 Sanctuary 둘 다 주시할 가치가 있지만 현재로서는 Figure·Agility·Tesla의 배치 증거·아키텍처 공개 심도를 따라가지 못한다. Part IV 내러티브에서의 역할은 옵션 가치 — 2026–2028에 어느 쪽이든 입증되면 아키텍처 선택이 의미를 갖게 될 참여자들.

12.9 열린 질문

Part IV의 첫 두 챕터 (Ch11 BD, Ch12 Figure/Agility/Tesla)는 세 가지 챕터 수준 열린 질문을 제기한다.

첫째, 어떤 아키텍처 철학이 최초로 1만 대 규모의 상업적으로 지속 가능한 휴머노이드 플릿을 만들어낼 것인가? Boston Dynamics의 하이브리드, Figure의 엔드투엔드 학습, Agility의 안전 우선 좁은 산업, Tesla의 양산 선형-액추에이터 접근이 각각 "최초"에 대해 다른 베팅을 한다. 2026–2028 상업 수치가 차별화한다.

둘째, 손 민첩성이 실제로 상업 결과를 차별화하는가? Figure 03의 3 g 촉각 지문, Optimus Gen 3의 22 DoF 손, Sanctuary의 20 DoF 유압 손은 모두 손 집약적 베팅이다. Agility의 그리퍼 접근은 의도적인 비-손 베팅이다. 민첩 손 태스크가 추가 복잡도를 지탱하는 가격 프리미엄을 만들어내면 손 집약적 베팅이 이기고, 산업 작업이 단순한 말단 도구로도 같은 값을 받으면 그리퍼 단순성이 이긴다.

셋째, Tesla Optimus는 휴머노이드의 "2007년 iPhone"인가, 마케팅 잘한 Nokia인가? 유추는 거칠지만 질문은 실질적이다 — Tesla의 제조 규모는 휴머노이드 참여자 중 비교 대상이 없고, Gen 3 규모의 자사 공장 배치는 모든 휴머노이드 기업 중 가장 큰 양산 데이터 플라이휠을 만들어낼 것이다. 그 밑의 소프트웨어 스택이 Helix·Motor Cortex·GR00T와 기술적으로 경쟁할 수 있는지는 전혀 불투명하다.

Chapter 13은 중국 휴머노이드 리더 Unitree와 AgiBot으로 넘어간다. 이들의 아키텍처 선택과 상업적 위치는 Chapter 11·12가 분석한 미국 3사와 날카롭게 갈라진다.

참고문헌

1. Hurst, J. W. (2019). Cassie 이족 로봇과 ATRIAS 계보. Agility Robotics / Oregon State University.
2. Figure AI. (2024). Figure 02 휴머노이드와 OpenAI 파트너십. Figure AI 발표, 2024년 8월.
3. Agility Robotics & GXO. (2024). Digit × GXO: 최초의 상업적 휴머노이드 Robots-as-a-Service 배치. Agility/GXO 보도자료, 2024년 6월 이후.
4. Tesla. (2024). Optimus Gen 2 / Gen 3 엔지니어링 공개. Tesla 시연, 2023년 12월 및 이후 AI Day.
5. 1X Technologies. (2024). Neo Gamma 휴머노이드와 NVIDIA GR00T 통합. 1X 공개 시연, 2024–2025.
6. Sanctuary AI. (2024). 유압 손과 Carbon AI를 갖춘 Phoenix Gen 7 휴머노이드. Sanctuary AI 제품 발표, 2024.
7. Figure AI. (2025). Helix: 범용 휴머노이드 제어를 위한 vision-language-action 모델. Figure AI 기술 블로그, 2025년 2월.
8. Figure AI. (2025). Helix로 실세계 물류 가속화. Figure AI 기술 블로그, 2025.
9. Agility Robotics. (2025). Motor Cortex: Digit을 위한 전신 제어 파운데이션 모델. Agility Robotics 발표, 2025년 8월.
10. Figure AI. (2026). Figure 03 + Helix 02: 범용 휴머노이드 시스템. Figure AI 발표, 2026년 1월/2월.