KAIST 휴머노이드, 온보드 카메라만으로 걸으며 35 kg 밀고 20 kg 든다
KAIST 동적로봇설계제어연구실이 걸으면서 35 kg 물체를 밀고 20 kg을 들어 올리는 Humanoid v0.9 영상을 공개했다. 외부 모션캡처 대신 온보드 카메라 피드백을 쓴다. 연구실은 이 상호작용 기술의 근거로 심층 강화학습과 인간 시연 학습을 든다.
KAIST의 동적로봇설계제어연구실(Dynamic Robot Control & Design Laboratory)은 10월 19일 'Whole-Body Locomanipulation with KAIST Humanoid v0.9' 영상을 공개했다. 로봇은 걸어 다니면서 최대 35 kg 물체를 밀고 최대 20 kg을 들어 올리며, 온보드 카메라 피드백으로 K-A-I-S-T 글자를 배치한다. 팔은 협업 기관인 RAILAB이 만들었다.
눈여겨볼 숫자는 더 작은 쪽이다. 35 kg 물체를 바닥에서 밀 때는 로봇이 그 무게를 지탱할 필요가 없고, 저항은 접촉 상태에 따라 달라진다. 20 kg을 들어 올리는 일은 팔이 실제로 버틸 수 있는 무게를 재는 별개의 시험이다. 미는 쪽 숫자를 적재 능력으로 인용하면 이 기계를 과대평가하게 되고, 둘 중 어느 쪽이든 제원으로 인용하기엔 이르다. 연구실이 두 가지 모두 상용 스펙이 아니라 시연으로 제시했기 때문이다.
균형과 힘은 이제 같은 문제다
전신 로코매니퓰레이션은 다리와 몸통, 팔을 하나의 균형 제약 아래 묶어 움직이는 것이다. 팔로 밀면 무게중심이 옮겨가므로 다리가 그만큼을 감당해야 한다. 미는 시연이 적재 시험이 아님에도 여전히 쓸모 있는 이유다. v0.9 플랫폼은 75 kg, 165 cm에 12 km/h로 달리고 고유수용감각만으로 험지를 걸었던 v0.7을 잇는다. v0.7의 문워크와 축구 시연은 2026년 초에 화제가 됐다.
자율성 주장에는 경계가 필요하다
KAIST는 이런 상호작용 기술이 심층 강화학습과 인간 시연 학습에서 나온다고 밝혔다. 영상 설명에는 두 방법을 어떻게 결합했는지, 작업을 어떻게 지시하는지가 담겨 있지 않다. 따라서 온보드 시각 피드백만으로 무제한 자율성을 뜻한다고 읽어서는 안 된다. Tech Times는 35 kg 밀기를 온보드 비전으로 조작하는 휴머노이드의 가장 근접한 공개 결과보다 약 두 배로 본다. 이 비교는 공개된 수치 수준에서 유지하는 게 맞다.
v0.9가 바꾼 것은 민첩한 보행으로 알려진 연구 플랫폼이 모션캡처 장비 없이 시각으로 유도되는 물리 작업을 해낸다는 점이다. 이것이 유지되는지는 공장 현장에서 반복 작업으로 확인해야 할 문제이며, 어떤 시연 영상도 그 단계를 대신 결정해 주지 않는다.
출처 출처 확인됨
- 1.Humanoids Daily: From Moonwalking to Heavy Lifting: KAIST Humanoid v0.9 Moves 35 kg Objects (Oct 19, 2026)humanoidsdaily.com
- 2.Tech Times: KAIST Humanoid Pushes Objects Up to 77 Lbs While Walking, No External Cameras (Oct 20, 2026)techtimes.com
- 3.Gadget Review: KAIST Humanoid v0.9 Robot Pushes 77 Pounds and Lifts 44 While Walkinggadgetreview.com
관련 브리핑
더 보기: 체화 AI와 파운데이션 모델Dyna의 Lindon Gao, '워크플로 하나가 되면 전부가 된다'며 지출을 사전학습으로
Dyna Robotics의 창업자 겸 CEO인 Lindon Gao는 팟캐스트 商業訪談録 154회에서 Zhang Xiaojun에게 사전학습이 이제 사후학습보다 훨씬 많은 자원을 차지하며 예전에는 반반이었다고 말했다. Dyna가 9월 29일 공개한 Dyna-2.1 게시물에 따르면 세탁 한 사이클은 약 79개 단계를 잇고 단계당 95%에서는 도움 없이는 거의 끝나지 않으며, 회사가 선보인 Taku는 1시간짜리 세탁실 워크플로를 무편집 자율로 수행했다.
Gemini 4 Argon, 신체 추론 87%지만 실제 팔 작업 하나에 52분
Google은 10월 13일 Gemini 4 Argon을 전 세계에 공개하고 로보틱스 용도를 로봇 제어, Real2Sim, 물리적 이해, 연구·자기 개선 네 가지로 묶었다. Artificial Analysis의 AA-Robotics v0.1은 실제 팔로 8개 탁상 과제를 수행하게 해 Argon에 100점 만점에 55.3점을 줬고, 사람보다 약 100배 느렸다. Physical Intelligence는 같은 날 Pi 인프라에서 π0와 π0.5 모델을 미세조정하는 API 베타를 열었다.
LoopWAM, 자체 라벨 롤아웃으로 재학습해 실제 로봇에서 19.7점 향상
LoopWAM은 칭화대, Dexmal, Loopeva가 만든 폐루프 월드-액션 모델로, 모든 롤아웃을 품질로 채점하고 실패한 궤적에는 영상 지도 신호만 주고 행동 지도 신호는 주지 않는다. RoboChallenge의 Table30-V2에서 성공률 43.33%로 1위에 올라 자체 표의 VLA-DM0.5를 2.67점, Dexmal이 공개한 DM0.5의 43.0%를 0.33점 앞선다.
Newsletter
Robrief Weekly
중요한 로봇 뉴스만 매주 한 통. 무료이며 언제든 구독 해지 가능.