‘피겨스 헬릭스 2.5’가 한 번도 본 적 없는 30채의 주택을 통과했다

Figure AI의 ‘Helix 2.5’ 모델은 30곳의 낯선 가정에서 제로샷 과제 성공률을 9%에서 56%로 끌어올리며, 가정용 로봇에게 일반화 능력이 실제로 무엇을 의미하는지 검증했다.

martti
4분 소요Posted: 2026년 9월 18일
‘피겨스 헬릭스 2.5’가 한 번도 본 적 없는 30채의 주택을 통과했다

가정용 로봇 공학에서 가장 어려운 과제는 휴머노이드 로봇이 수건을 한 번 접는 것이 결코 아니었습니다. 그 과제는 바로 그 로봇이 한 번도 가본 적 없는 집, 본 적 없는 침대 위에서, 그 특정 천을 한 번도 만져본 적 없는 손으로 수건을 접게 하는 것이었습니다. 피겨 AI(Figure AI)는 자사의 최신 제어 모델인 ‘헬릭스 2.5(Helix 2.5)’가 이번 달 그 장벽을 넘어섰다고 밝혔다. 이 모델은 샌프란시스코 베이 지역의 낯선 주택 30곳에서 추가적인 데이터 수집이나 미세 조정, 현장 적응 없이도 샌프란시스코 베이 지역의 낯선 주택 30곳에서 3가지 가사 작업을 수행했으며, 모델의 대규모 사전 훈련 단계가 없었을 때 동일한 작업에 대한 9%의 기준 성공률에서 56%로 상승한 성과를 기록했다. 지난 2년 동안 휴머노이드 로봇이 신중하게 리허설된 단일 환경에서 인상적인 성능을 발휘할 수 있음을 입증하는 데 주력해 온 업계에서, 서로 관련 없는 물리적 공간에 걸친 제로샷 일반화 능력의 진정한 도약은 차원이 다른 성과이며, 이는 가정용 로봇이 단순한 시연용 카테고리에 그칠지, 아니면 실제 제품 카테고리로 자리 잡을지를 결정짓는 핵심 요소입니다.

로봇 하드웨어 ‘Figure 03’과 이를 제어하는 비전-언어-행동 모델 ‘Helix’를 모두 개발하는 베이 에어리어의 휴머노이드 로봇 기업인 Figure AI는 이전에 운영해 본 적이 없는 주택 30채를 임차하여, 각 주택 내에서 다음 세 가지 장기적 행동을 테스트했다. 거실 정리, 수건 접기, 침대 정리로, 모두 해당 주택에 이미 있는 가구, 표면, 물건을 그대로 활용했습니다. 훈련 데이터로 사용된 주택은 없었으며, 로봇이 도착한 후에도 특정 작업에 맞춘 조정 작업은 수행되지 않았습니다. 바로 이 테스트 설계가 핵심입니다. 조명, 가구, 사물 배치가 사전에 조정된 회사 자체 쇼룸에서 진행된 로봇 시연은 모델이 유리한 조건에서 작동할 수 있음을 증명할 뿐이다. 모델이 한 번도 본 적 없는 30채의 주택에서 사전 준비 없이 진행된 테스트는 실제 고객의 거실이 첫날 어떤 모습일지에 더 가까운 결과를 보여준다.

Helix와 Helix 2.5의 차이점

이러한 도약의 배후에 있는 메커니즘을 피겨는 ‘인덱스(Index)’라고 부릅니다.

사전 훈련은 회사가 설명하길 초당 약 35분 분량의 인간 경험 데이터를 수집하는 속도로 인간 신체 경험 데이터를 입력하는 대규모 사전 훈련 단계로, 이는 특정 작업에 특화된 로봇 시연 데이터만으로는 결코 제공할 수 없는 양을 훨씬 뛰어넘는 수준입니다. Figure는 새로운 행동마다 선별된 과제별 로봇 시연 데이터를 사용하여 모델을 직접 훈련하는 대신, 먼저 광범위한 인간 경험 코퍼스를 기반으로 단일 기본 모델을 사전 훈련한 다음, 동일한 사전 훈련된 기본 모델을 이동, 강체 및 변형 가능한 물체 조작, 양손 협응, 능동적 지각에 이르는 다양한 하위 행동에 적용합니다. 특정 작업 데이터, 로봇 하드웨어, 훈련 절차, 평가 프로토콜을 고정하고 ‘Index’ 사전 훈련 단계의 포함 여부만 변경했을 때, 30가지 가정 내 평가 과제에서 제로샷 성공률이 9%에서 56%로 상승했다고 회사는 보고했다. 이는 로봇 공학 분야 발표치고는 이례적으로 명확한 실험 설계입니다. 대부분의 휴머노이드 로봇 기업들은 어떤 아키텍처 변경이 그 결과를 낳았는지 구체적으로 밝히지 않은 채 단일한 주요 수치만 보고하는 반면, Figure가 통제된 비교 결과를 공개하기로 한 결정 자체는 유용한 증거가 됩니다. 이를 통해 외부 연구자들은 공개되지 않은 다른 변경 사항이 아닌, 사전 훈련 접근 방식이 실제로 효과를 발휘하고 있는지 평가할 수 있기 때문입니다.

이러한 효율성 향상은 일반화 결과를 더욱 강화합니다. 피겨에 따르면, 헬릭스 2.5는 이전 모델인 헬릭스 02의 대표적인 동작에 비해 절반에 불과한 양의 과제별 데이터만으로도 동등하거나 더 나은 성능을 달성할 수 있었다고 한다. 이는 실제 로봇이 실제 과제를 수행하는 과정에서 기록된 물리적 실험인 과제별 로봇 시연 데이터가 전체 훈련 파이프라인에서 가장 비용이 많이 드는 입력 요소이기 때문에 중요한 점이다. 이러한 데이터를 수집하려면 로봇 하드웨어 사용 시간, 운영 인력, 그리고 종종 수동 라벨링이 필요하며, 대규모 언어 모델의 경우처럼 인터넷에서 수집한 텍스트나 이미지 데이터처럼 확장성이 좋지 않습니다. 만약 더 광범위한 데이터로 사전 훈련을 한다면

인간 경험 데이터가 그 고비용의 과제별 데이터 수집 작업 중 상당 부분을 진정으로 대체할 수 있다면, 이는 가정용 로봇 모델 훈련의 단위 경제성을 변화시킬 뿐만 아니라 모델의 최종 성능 한계치에도 변화를 가져올 것입니다.

표면적인 수치 뒤에 숨겨진 스케일링 법칙 주장

Figure는 일반화 결과와 함께 스케일링 법칙 분석 결과도 발표했는데, 테스트된 가장 대규모 사전 훈련 실행에 대한 예측 오차가 사전 훈련 데이터 양의 8배 범위에 걸친 전체 변동폭의 불과 0.54%에 불과했다고 보고했다. 간단히 말해, 이 회사는 본격적인 실험을 실행하기 전에, 사전 훈련 데이터가 일정량 증가할 때마다 다운스트림 작업 성능이 얼마나 향상될지 높은 정확도로 예측할 수 있다고 주장하고 있다. 이러한 예측적 스케일링 관계는 대규모 언어 모델 개발자들이 해당 모델이 출시되기 수년 전부터 수억 달러 규모의 훈련 작업을 정당화할 수 있게 해준 바로 그 도구입니다. 신뢰할 수 있는 스케일링 법칙은 비용이 많이 드는 훈련 작업을 단순한 투기적 도박에서 예측 가능한 투자로 전환시켜 주기 때문입니다. 만약 Figure의 스케일링 법칙이 지금까지 테스트된 8배 범위보다 훨씬 더 큰 데이터 양에서도 성립한다면, 이는 회사와 투자자들에게 수익 감소 현상을 추측하는 대신 Index 사전 훈련을 지속적으로 확장해 나갈 수 있는 타당한 근거를 제공해 줄 것이다.

이러한 주장은 확립된 과학으로 받아들여지기 전에, 어떤 개별 기업의 스케일링 법칙 발표가 그렇듯 철저한 검증을 거쳐야 마땅합니다. 단일 연구실에서 발표하고, 해당 연구실의 자체 벤치마크와 하드웨어로 평가된 스케일링 법칙은 다른 분야에서 독립적인 연구자들이 다른 조건에서 이를 재현하려고 시도했을 때 때때로 그 견고성이 떨어지는 것으로 드러난 바 있으며, Figure는 Helix 2.5의 스케일링 곡선이 외부 연구자들에 의해 평가되었는지, 혹은 다른 로봇 플랫폼에서 재현되었는지에 대해서는 밝히지 않았다. 반면, 30가구 테스트 결과는 근본적인 스케일링 법칙이 결국 어떻게 입증되든 간에 반박하기 어려운 결과입니다. 왜냐하면 진정으로 새로운

환경에 대한 진술은 참이거나 거짓인 반면, 예측된 스케일링 곡선은 그렇지 않습니다.

56%의 성공률이 실제로 의미하는 바

56%의 작업 성공률은 완성된 소비자 제품이 아니며, Figure도 이를 완성된 제품으로 제시한 바 없습니다. 낯선 집에서 시도한 거의 절반의 경우에서 수건을 잘못 접거나, 낯선 집에서 시도한 거의 절반의 경우 수건을 잘못 접거나 침대를 반만 정리해 둔 채로 남겨둔다면, 실제 유료 고객에게는 좌절스러운 경험이 될 것입니다. 또한, 임대 주택 30곳에서 단 한 번만 수행된 연구 벤치마크와, 카메라 촬영팀이나 엔지니어링 팀이 없는 상태에서 특정 한 집에서 매일, 무기한으로 안정적으로 작동해야 하는 제품 사이의 격차는 상당합니다. 이 수치가 유용한 점은 이상적인 목표치보다는 해당 분야의 실제 출발점과 비교할 때입니다. 정확히 동일한 작업, 하드웨어, 평가 프로토콜을 적용했을 때 Index 사전 훈련을 거치지 않은 9%의 기준치는, 정직한 비교가 “56% 대 완벽”이 아니라 "56% 대 이전 세대 로봇이 달성한 대략 10분의 1 수준의 성공률"이라는 것입니다. 그 기준선을 기준으로 볼 때, 단일 모델 반복 과정에서 6배의 성능 향상은 주요 하드웨어나 소프트웨어 개정 사이마다 소폭의 개선만 이루어져 온 이 분야에서 의미 있게 빠른 발전 속도입니다.

평가를 위해 선택된 세 가지 과제, 즉 거실 정리, 수건 접기, 침대 정리도 시연하기에 가장 쉬운 가사일은 아닙니다. 이 작업들은 단순히 물건을 집어 놓는 단일 동작이 아니라 지속적인 다단계 계획 수립을 필요로 하며, 단단한 물체처럼 고정된 형태를 유지하지 않는 수건이나 침구와 같은 변형 가능한 재질에 대한 적응력이 요구되고, 고정된 팔이 아닌 전신 양손 로봇 전반에 걸쳐 조정된 이동 및 조작 능력을 필요로 한다. 원시 성공률이 더 높을 가능성이 있는 단순한 ‘집어 올리고 놓기’ 시연 대신, 일반화 벤치마크를 위해 장기적인 관점이 필요한 변형 가능한 물체 작업을 선택한 것은 Figure가 자사의

이 조사는 가능한 한 가장 호의적인 표면적인 수치를 내세우기보다는, 기술에 정통한 구매자와 경쟁사들 사이에서 신뢰도를 평가하는 공개적인 기준이 되고자 한 것이지만, 당연히 해당 기업은 어떤 과제를 선택하든 간에 자사의 결과를 유리하게 포장할 동기가 충분하다.

같은 문제를 해결하려는 모든 이들에게 이것이 의미하는 바

자신만의 비전-언어-행동 모델을 보유한 자금력이 풍부한 경쟁사부터, 해당 모델이 결국 작동하게 될 액추에이터와 센서를 제작하는 부품 공급업체에 이르기까지, 가정용 범용 휴머노이드를 개발하는 모든 기업은 동일한 근본적인 제약 조건에 직면해 있습니다. 상업용 가정용 로봇이 결국 마주하게 될 거의 무한에 가까운 다양한 실제 가정 환경, 사물, 그리고 극한 사례를 모두 아우를 만큼 과제별 훈련 데이터가 충분히 빠르게 확장되지 않는다는 점입니다. Figure의 통제된 9% 대 56% 비교 결과가 시사하듯이, 광범위한 인간 경험 데이터에 대한 대규모 사전 학습이 그 비싸고 수집에 시간이 오래 걸리는 과제별 데이터의 상당 부분을 진정으로 대체할 수 있다면, 휴머노이드 로봇 분야의 경쟁 우위는 단순히 가장 성능이 뛰어난 로봇 하드웨어를 보유하거나 이미 배치되어 과제별 시연을 수집 중인 가장 큰 규모의 로봇 군단을 가진 기업이 아니라, 가장 방대한 양의 일반 물리적 경험 데이터를 확보하고 처리하며 훈련할 수 있는 기업 쪽으로 더욱 기울어질 것이며, 단순히 가장 뛰어난 로봇 하드웨어를 보유했거나 이미 배치되어 작업별 시연을 수집 중인 로봇 군단을 가장 많이 보유한 기업이 아니라, 가장 방대한 양의 일반적인 물리적 경험 데이터를 확보하고 처리하며 훈련할 수 있는 기업으로 향하게 될 것이다.

이러한 변화는 향후 몇 차례의 제품 주기에 걸쳐 휴머노이드 로봇 기업을 평가하는 구매자와 투자자들에게 직접적인 시사점을 준다: 대부분의 휴머노이드 스타트업이 마케팅에서 가장 강조하는 지표인 기업의 현재 로봇 배치 규모와 현재 작업별 데이터셋은, 해당 기업이 Figure의 ‘Index’ 접근 방식에 필적하는 사전 훈련 파이프라인과 데이터 확보 전략을 보유하고 있는지, 혹은 구축할 수 있는지에 비해 장기적인 경쟁력 측면에서 덜 중요해질 수 있다. 현재 더 많은 로봇을 배치하고 있지만 이에 상응하는 사전 훈련 아키텍처가 없는 경쟁사는, 현장에 배치된 로봇 수는 적지만

그 밑에 더 나은 기초 모델이 있어야 합니다.

헬릭스 2.5의 다음 시험은 또 다른 30가구 규모의 연구 평가가 아닙니다. 그것은 유료 고객이 결국 평범한 화요일, 엔지니어링 팀이 대기하지 않은 상태에서, 성공 여부를 미리 정의한 벤치마크 프로토콜도 없이, 로봇을 감독 없이 집 안으로 들여보내게 될 때, 임대되거나, 인테리어 연출을 거치거나, 보도자료를 위해 선정된 적이 없는 수많은 세탁물과 정리되지 않은 침대를 처리하는 것입니다.

이 분석은 Helix 2.5 모델 및 그 평가와 관련하여 Figure AI가 공개한 성명서와 기술적 결과를 바탕으로 작성되었습니다. 본 내용은 일반적인 정보 제공을 목적으로 하며, 투자, 금융 또는 법률 자문을 구성하지 않습니다.

메인 이미지 출처: Figure AI.

RoboticsHumanoidRobotsPhysicalAIUSAMachineLearningRobotDeployment