
X2가 제2회 세계 휴머노이드 로봇 스포츠 대회 100m 장애물 경기에서 금메달을 획득한 후, 지후이쥔은 팀에 두 가지 과제를 부여했다:
단기적으로 그는 사람들이 회사의 2층 전시장에서 링시를 전시하기를 바란다X2의 완전 자율 장애물 극복 동작; 장기적으로 그는 팀이 이 장애물 대응 솔루션을 계속 최적화하여 감제어 일체 기술과 항법 기술 등을 더욱 결합하고, 전 기종·완전 자율을 실현하기를 원한다.
링시 리딩X2 우승 팀은 AGIBOT 내부의 X-Lab 연구소에서 나왔다. 후자는 X2가 탄생한 곳으로, 치후이쥔이 이끄는 이 연구소는 신기술과 새로운 아이디어에 집중하며, 내부적으로 엔지니어 문화를 강조하고 수평적 관리를 실시해 직원들에게 거의 제한을 두지 않는다.
제한이 없는 한 가지 표현은 이번100m 허들 결승전, 마지막 순간에 동행한 엔지니어 광성은 현재 X-Lab 연구소의 인턴으로 방금 대학원 3학년이 되었다. 정확히 말하면 광성이 속한 이 5인 조는 결성 초기 리더 룽거와 프로젝트 매니저 샤오니를 제외하고 나머지 구성원들은 모두 각최고의 대학들의 인턴들이었다.
다른 산업의 선도 기업들에서는 이러한 구성이 흔치 않습니다. 하지만 로봇 지능 분야, 특히 아크마인에서는 인재 앞에서는 모든 것이 가능합니다.
01/
놀라운 도약
8월 24일, 베이징 국가 스피드 스케이팅 관 ‘얼음 리본’, 제2회 세계 휴머노이드 로봇 대회 100m 장애물 경기 결승전.
밤 8시 30분경, 경기가 거의 끝난 시점에서 완주한 로봇들의 모습을 보면 우승은 대개 AGIBOT 팀과 다른 한 팀 사이에서 결정될 것으로 보인다. 경기 전반부에서 AGIBOT 팀의 한 대의 X2는 1분 40초 35의 기록으로 1위를 차지했다. 이는 그날 밤 모든 참가 모델 중 가장 빠른 단거리 기록이었다. 그러나 이후 16조에서 출전한 한 팀이 1분 39초 97를 기록하며 0.38초의 미미한 차이로 역전했다.
제21개 조의 경기가 종료될 즈음, AGIBOT 팀은 마지막 기체인 X2만 남았으며, 이 기체의 경기 번호는 '006'이고, 몸통 대부분은 검은색이지만 종아리의 '피부' 부분만 흰색이었다.
0.5초도 안 되는 차이로 몰아닥친 우승의 압박,006호와 그 뒤에 있는 팀원들에게. 로봇의 ‘올림픽’ 경기장에서는 승패가 수십 번의 호흡 사이에서 결정되지만, 이런 긴장감은 로봇이 잠시 동안 느낄 수 없지만 사람은 느낄 수 있다. 단 0.38초의 차이가 이러한 긴장감을 증폭시켰다. “아마도 한 방 걸어야겠다.” 용형는 마음속으로 생각했다.
잠시 후, 시작 총성이 울렸다.
006호가 빠르게 출발하여 거의 멈춤 없이 여러 장애물을 연속으로 통과했다.역산 두 번째 관문에 도달했을 때, 006호의 소요 시간은 이미 2위보다 10여 초 앞서 있었다.
1미터 높이의 전대 앞에서,006호는 다시 한번 매우 복잡한 장애물 극복 동작을 선보였다: 로봇은 양손으로 플랫폼 가장자리를 짚고 하지를 지면으로 차며 몸을 전방 상공으로 점프했으며, 우측 다리가 먼저 플랫폼에 올라가고 전체 몸체가 이를 따랐다. 플랫폼 위로 뛰어 오른 후, 로봇의 무게 중심은 빠르게 좌측으로 이동했고, 우측 다리는 들어 올려졌으며, 이전 동작의 관성을 이용해 몸이 자연스럽게 플랫폼 아래로 점프하여 두 발이 착지했다.
한 번에 완성되고, 구름이 흐르듯 물처럼 흐르다.“와!” 현장 관객들의 탄성이 터져 나왔다.

이 동작의 원형 이름은‘킹콩 사이드 오버’는 파쿠리 애호가들이 흔히 사용하는 장애물 넘기 기술로, 인턴 광성이 직접 시범을 보였고, 모션 캡처 후 X2에 학습시켜 알고리즘을 최적화하고 적응시켰다.
이번 장애물 코스에서 참가한 다수의 X2도 성공적으로 재현되었다. 로봇이 안정적으로 착지할 때마다 현장 관객들은 적절히 ‘와’ 하는 탄성을 지른다. 소셜 미디어에서는 관련 영상 클립이 빠르게 유포되며, 상호작용 횟수가 수천만 건에 달한다.
대회 현장에는 고개를 넘을 수 있는 로봇도 많았지만, X2처럼 빠르고 매끄러운 동작은 독보적인 존재였다. 더 주목할 만한 점은 X2가 AGIBOT의 양산 모델로 이미 여러 오프라인 환경에서 실제 배포되었다는 것이다. 이번 대회에서 이 동작은 X2가 완전히 자율적으로 수행했으며, 본체는 어떤 개조도 하지 않았다.
~에 따라, ~와 함께006호가 고대를 무사히 통과하며, AGIBOT 팀은 승리에 단 한 걸음만 남겨두고 있다.
마지막 관문,006호는 바닥에 엎드려 기어 전진한다. 소니는 결승선 앞에 서서 로봇의 진행 동작에 맞춰 박수를 친다. 십여 초 후, 006호가 기어 결승선을 통과한다.
AGIBOT 팀이 승리했다.1분 28초 35, 이는 X2 훈련 이후 달성한 최고 기록으로, 총 시간은 두 번째 선수보다 무려 11.65초 앞서 있습니다.
기계와 알고리즘이 주인공인‘실리콘 올림픽’에서 로봇은 이미 달리기 속도에서 인간을 초월할 수 있다. 철학적 차원에서 질문하지 않을 수 없다. 로봇 시대, 올림픽 정신이 여전히 적용되는가? 답은 긍정적이다.
설정된 프로그램 밖에서 ‘더 높게, 더 빠르게, 더 강하게’의 이야기는 사람과 로봇이 함께 써 내려갈 수 있으며, 이는 새로운 시대의 인간-로봇 협업과 올림픽 정신일 수 있습니다.
006번 선수를 추월한 후, 샤오니는 결승선에서 광성 쪽으로 걸어갔다. 그녀는 방금 지나친 흥분 때문에 손이 너무 아팠다.
그녀는 광성에게 말했다:“정말 대단하네요, 이제 우리는 진짜 챔피언이 됐어요.” 이어 사람들은 새로 탄생한 챔피언에게 하나둘 모여들었다.

02/
슬라럼 동작은 X2가 스스로 깨달은 것
경기 전체를 복기해 보면,006번 X2가 선두 우위를 굳힌 과정은 마지막의 ‘놀라운 도약’뿐만이 아니다.
그는 전반전에서 상대보다 훨씬 빠르게 달렸으며, 그 핵심 원인은 다리 힘이나 알고리즘 파라미터 튜닝과 같은 국소적 최적화에 있는 것이 아니라 로봇에 있다‘장애물 보기’와 ‘장애물 넘기’가 같은 모델에서 처리됩니다.
연구진은 예를 들었다. 이전에 장애물 경주에 참가한 로봇들은 대부분 시각 입력이 없었고, 순수 관절의 고유수용성 감각에만 의존했다. 그리고 X2의 팀은 이번이 로봇에 진정한 눈, 즉 깊이 카메라를 장착했다. 이로 인해 로봇은 장애물에 근접하기 전에 계단 높이나 도로 함몰 깊이와 같은 구체적인 물리적 정보를 먼저 식별한 후, 이를 바탕으로 어떤 동작으로 통과할지 결정할 수 있게 되었다.
이번 대회에서 슬라럼, 점프대, 매화주와 같이 정밀도가 높은 종목에는 리시(링시)가 참가했습니다.X2는 대부분 자율 또는 반자율로 완료되며, 그 배경에는 지각 정보가 직접 의사결정에 참여할 수 있는 아키텍처가 자리 잡고 있습니다. 바로 AGIBOT의 감제일체 AGILE(AgiBot Generative Intelligent Locomotion Engine) 모델입니다.
AGILE 모델이 가져오는 이점은 뚜렷하며, 로봇 바디에 뛰어난 안정성과 민첩성을 부여하여 안정적인 전신 제어와 고동적 운동을 실현합니다. 이 프레임워크는 세 가지 핵심 모델 레이어가 협력하여 구성됩니다:
BFM-2 범용 행동 기반 모델은 로봇 운동 제어의 역학 실행 베이스로 사용될 수 있으며, GCFM 생성형 운동 제어 모델은 다중 모달 명령에 따라 로봇이 자율적이고 실시간으로 참조 동작을 생성할 수 있게 하고, REACT 지각 운동 모델은 환경 지각을 융합하여 로봇이 밀리초 단위의 조건 반사와 전신 협동 운동 응답 능력을 갖추도록 합니다.
세 가지 모델이 협력하여 시각 인식-소뇌 결정-사지 제어의 폐쇄 루프를 연결함으로써 로봇이 기존 방식에 의존하는 문제를 해결했습니다.‘시작 상태’의 사전 정의된 궤적 제한은 임의의 중간 자세에서 실시간으로 사고하고 자율적으로 결정하며 일관된 동작을 생성하여 ‘동작 복제’에서 ‘운동 사고’로의 도약을 실현했습니다.
경기 중 외부에서 주목받지 못한 기술적 디테일이 하나 있었다. 슬라alom 구간에서,X-Lab 팀은 다른 팀들과 달리 원격 조종 방식을 채택하지 않고 완전 자율로 운영했다. X2는 시각 센서를 통해 정보를 수집하고, '측면 전진 이동' 동작으로 장애물을 통과한다.
훈련을 시작할 때 팀은 모션 캡처 방식을 계속 사용하려고 했지만, 실제 구현 단계에서 X2의 체형은 ‘약간 넓다’는 특징을 지니며, 원시 모션 캡처 데이터를 기반으로 학습된 덕분에 로봇의 팔이 자주 막대에 닿는다. 규칙에 따르면 로봇이 막대에 닿으면 경기가 다시 시작되어야 한다.
이 문제를 해결하기 위해 팀은 작업을 두 부분으로 분할했다: 하체는 모션 캡처 경로를 따르되, 상체 동작은 로봇이 스스로 학습하여 해법을 찾도록 했다. “대회에서 여러분은 X2의 상체가 매우 유연하다는 것을 보셨을 것입니다. 실제로,허리를 비틀고 팔을 흔드는 것은 그것이 봉에 부딪히지 않기 위해 스스로 익힌 자세이며, 우리가 다른 사람이 이렇게 하는 것을 본 적은 없다.”

03/
이틀에 한 번 버전
경기 종료 후 용거는 이 금메달을 세 부분으로 나누어 우승의 원인을 어떤 측면에 귀속시킬 것이냐는 질문에, 본체의 안정성과 신뢰성, 알고리즘의 극적인 혁신, 그리고 팀의 끈기 있는 노력이라고 생각한다고 답했다.
2026년, 사람들은 로봇이 '자유롭게 움직이는' 모습을 너무 많이 보게 되면서 이를 간과하기 쉽다. 3년 전만 해도 로봇을 걷게 만드는 것은 어려운 일이었다.
인체의 신경, 근육, 관절은 휴머노이드 로봇에서 하나하나 대응되는 요소를 찾을 수 있지만, 신경, 근육 및 관절 사이에 선천적으로 존재하는 생체 운동 본능은 단순히 복제할 수 없습니다. 같은 점프 동작이라도 사람은 무의식적으로 관절에 과도한 하중이 가해지지 않도록 무릎을 어떻게 굽혀야 하는지, 그리고 몸의 균형을 유지하기 위해 팔을 어떻게 움직여야 하는지를 자연스럽게 이해합니다. 이러한 경험은 로봇에게 직접 전달될 수 없습니다.
복잡한 동작 프로세스에서 로봇과 연구 개발 인력은 끊임없이 조화롭게 적응하기 위해 막대한 노력을 기울여야 하며, 단순히 로봇이 수행할 수 있도록 하는 것뿐만 아니라 지속적으로 안정적으로 완료하도록 해야 하며, 최소한 ~ 때문에‘상처’로 인해 운동 능력이 상실된다. 핵심 목표는 로봇이 행동력을 생산력으로 전환할 수 있는지, 그리고 실제 생활에서 대량으로 배포될 수 있는지에 맞춰져 있다.
이를 위해, AGIBOT(AGIBOT)은 업계에서 독창적으로‘3대 지능 + 1의 본체’ 제품 기술 아키텍처. ‘삼지’는 모션 지능, 인터랙션 지능, 작업 지능으로, 이 중 ‘모션 지능’은 기초 지능이며 임바디드 AI의 물리적 운반체의 실행기입니다. 나머지 두 가지 고급 지능인 ‘인터랙션 지능’과 ‘작업 지능’은 각각 두 가지 생산력에 대응합니다. 인터랙션 지능은 정서적 가치의 진입점으로 서비스 생산력을 제공하고, 작업 지능은 노동 가치 엔진으로서 노동 생산력을 제공합니다. ‘일체’는 안정적이고 신뢰할 수 있으며, 높은 한계와 낮은 비용의 하드웨어 본체를 의미합니다.
양산형 모델인 X2는 자체적으로 안정적이고 신뢰할 수 있는 본체를 갖추고 있으며, 실제 환경에서 대량으로 배포되어 왔습니다. 이는 룽거 팀의 알고리즘 연구 개발에 이점을 가져다주었습니다.
링시를 위해X2는 안전하고 빠르게 완주할 수 있었으며, 대회 시작 50일 전까지 용거 팀은 거의 모든 시간을 운동회 종목 훈련장에서 보냈다. 팀은 알고리즘을 지속적으로 개선하며 Sim2Real의 난제를 해결해야 했다.
일반적으로 로봇이 착지하는 순간의 접촉 역학, 모터의 마찰과 백래시, 센서의 고유 노이즈와 지연 등 세부 파라미터는 시뮬레이터에서 대부분 단순화된 모델로 근사화되며, 실제 세계의 이러한 파라미터는 모델보다 훨씬 복잡합니다. 또한 지각부터 명령 실행까지 실제 기기에는 시뮬레이션에 없는 밀리초 단위의 지연이 존재하며, 이는 자세를 빠르게 조정해야 하는 동적 동작에 특히 큰 영향을 미칩니다.
Sim2Real이 해결해야 할 문제는 시뮬레이션으로 훈련된 정책이 현실에서 겪는 ‘부적응’이다. 마치 아이가 달리고 뛰는 법을 배울 때 경험에는 항상 넘어짐의 교훈이 따르는 것처럼, 약 40kg의 로봇에게는 알고리즘이 완벽하게 최적화되기 전까지 넘어지고 손상되는 것이 거의 일상적이다.

마감 한 달 전의 부하 테스트 단계에서 용거와 팀은‘압력 산더미’. 이때 X2는 완주 능력을 갖췄지만, 알고리즘이 아직 최적화되지 않아 로봇이 운동 중 부상을 입는 문제가 해결되지 않았다. 하루 압축 테스트를 거치면 80%의 기계가 손상되기도 했다.
용 형은 마음이 급해 팀을 이끌고 모델을 지속적으로 최적화했다. 한 줄씩 검증하며 로봇이 왜 부상을 입는지 파악했다.예를 들어 점프 플랫폼에서 로봇 손목이 왜 고장 나는지, 모델에서 생성된 토크가 너무 커서 그런 건지 확인해 보고, 그렇다면 그에 맞춰 최적화를 진행합니다.
팀에서는 알고리즘 모델이 몇 번이나 최적화되었는지 세지 못했습니다. 하지만 참고할 만한 데이터가 하나 있습니다. 관련 방안은 거의 2일마다 새로운 버전으로 업데이트되었으며, 대회 직전까지 버전 업데이트가16회.
물론, 이는 시간의 한계이지 팀, 알고리즘 및 로봇 본체의 한계가 아닙니다.
04/
우승? 손쉬운 일이지
X2가 이번 장애물 레이스에 참여한 것은 인형 로봇의 고속 기동, 동적 균형, 실시간 인지 및 내비게이션, 복잡한 지형 장애물 극복, 전신 자세 적응이라는 5가지 핵심 능력을 중점적으로 평가하기 위함이다. 이는 업계에서 로봇의 종합 운동 능력에 대한 고강도 시련으로 간주된다.
처음 대회에 참가했을 때를 회상하며 용게는 링시를 가지고X2가 올해의 장애물 경기에 참가하는 것은 더 이상 자연스러운 일이 아니다.
먼저, 키가1.3m의 X2는 양산형 기종이지만 다양한 복잡한 지형을 처리할 수 있는 능력을 갖추고 있으며, 감지 및 제어 능력은 업계 최상위권에 속해 이전부터 여러 장면에서 배포된 바 있습니다. 또한 X-Lab 내부의 연구 개발 목표에는 이미 일부 복잡한 장애물 지형에 대한 감지 및 처리가 포함되어 있었습니다.
“정확히 말하면, (참가)는 현재 단계의 우리에게 손에 익은 일이고, 혹은 자연스러운 일이다. 이런 활동을 하는 것은 단순히 대회만을 위한 것이 아니라, 많은 혁신적인 방안들이 우리의 이후 (연구 개발)에도 도움이 되기 때문이다.” 용형가 말했다.
이번 장애물 레이스 종목에서 용거가 이끄는 5인 조는 역할 분담이 명확했다:
용형는 팀장으로 팀의 전체적인 연구 개발 방향을 총괄하고 연구 개발 작업에 깊이 참여했습니다. 소니는 프로젝트 전 과정을 추적하며 주요 노드를 실시간으로 관리했습니다. 광성은 연구 개발을 담당하여 종종 많은 혁신적인 아이디어를 제시했습니다. 호림은 지상 타이어 장애물 등 일부 장애물 훈련을 담당했습니다. 가성은 기계 훈련 과정에서의 보장 작업을 주로 담당했습니다.
왜 그렇게 중요한 프로젝트가 인턴이 대부분을 차지하는 팀에 맡겨졌는지에 대해 의문을 제기한 사람은 없다.“(중요한 것은) 용거처럼 큰 방향을 잡는 사람이 있고, 다른 동료들이 적극적으로 반응하는 것입니다. 우리는 실제로 사람들이 인턴인지 정규직인지 보지 않습니다. 더 많은 혁신성을 장려하고, 용감하게 시도하는 것을 장려하며, 모두 자신의 아이디어를 실천에 옮길 수 있도록 합니다. 이러한 자유로움과 수평적 구조 자체가 X-Lab, 혹은 AGIBOT의 스타일입니다.” 샤오니가 말했다.
시합 준비 과정에서 누군가 용 형에게 물었습니다. 배포된 양산 모델인 링시로서는X2는 어떻게 특수 개조된 '특제기'들을 경기장에서 이길 수 있는가?
용 형이 당시 제시한 답은 다음과 같습니다:“우리는 최대한의 노력을 다해 현재 양산기의 능력을 극한까지 끌어올리고, 알고리즘도 최적화하겠습니다. 그렇게 하면, 저는 비겨 이겨도 후회하지 않을 것 같습니다.”
하지만 일련의 부하 테스트와 연습 경기에서 팀의 금메달 획득에 대한 신념은 점점 더 확고해졌다. 사실은 X2는 장애물 경기에서 압도적인 실력을 보여줬다.

대회 종료 후 1주 동안, 금메달이 가져온 관심은 링시에게X2의 일정은 빡빡하게 잡혀 있다. 양산 모델로서 X2는 더 많은 실제 상황에서 계속 '근무'하는 한편, 여러 인터뷰와 업계 전시회를 오가며 장애물 극복, 균형 및 상호작용의 진정한 실력을 카메라와 관객에게 차례로 선보이고 있다.
카메라가 볼 수 없는 곳, X2는 새로운 기술을 습득하고 있습니다. 팀은 장애물 코스에서 '양산형 기체의 능력을 극한까지 끌어올린다'는그 기세을 그대로 새로운 과제에 옮겼습니다.
훈련, 현장 배치, 금메달 획득 후, X2의 날은 평소와 다름없었다.

