샤오미, WRC 2026에서 66 자유도 휴머노이드 로봇 공개

샤오미가 새로운 66 자유도(DoF) 휴머노이드 로봇을 통해 공개한 것은 무엇일까요? WRC 2026에서 샤오미는 향상된 손 민첩성과 산업 작업 수행 능력을 갖춘 차세대 이족 보행 프로토타입을 대중에게 선보였습니다. 이와 함께 샤오미의 광범위한 로보틱스 연구는 점점 VLA(시각-언어-행동) 및 체화형 파운데이션 모델에 집중되고 있습니다. 물리적 인공지능이 디지털 지능과 물리적 세계가 상호작용하는 방식을 변화시키면서, 개발자들은 표준 소프트웨어 스택이 체화된 환경에 어떻게 적응해야 하는지 평가해야 합니다. 전통적인 산업용 로보틱스는 그동안 고도로 구조화된 환경, 작업별 프로그래밍, 모델 기반 제어에 크게 의존해 왔습니다. 오늘날에는 첨단 시스템이 멀티모달 인식을 실시간 제어 루프에 직접 통합함에 따라, 엔지니어링의 우선순위가 일반화 가능한 시각-언어-행동(VLA) 파운데이션 모델로 전환되고 있습니다.

산업용 조작에서 33개의 손 자유도가 중요한 이유

한눈에 보기

• 차세대 이족 보행 프로토타입은 신장 약 1.70미터, 무게 66킬로그램이며, 관절 가동 범위를 66 자유도로 확장했습니다.
• 손에만 33개의 자유도가 집중되어 정밀 조작에 높은 우선순위를 두었으며, 이를 통해 유연하고 비정형적인 산업용 부품을 능숙하게 다룰 수 있습니다.
• 초기 공장 테스트에서는 약 76초의 생산 주기 요구사항을 충족했으며, 4개월간의 개선 과정을 거친 후 샤오미는 자동 탭핑 나사 스테이션에서의 성공률이 90.2%에서 98%로 향상되었다고 보고했습니다.

피지컬 AI의 부상은 소프트웨어의 초점을 화면 기반 상호작용에서 인식, 계획, 그리고 물리적 실행으로 전환시킵니다. 개발자들은 시각적 에셋을 렌더링하고 평면 인터페이스를 관리하는 대신, 3차원 공간 환경을 추론하고 고정밀 양손 궤적을 조율할 수 있는 시스템을 엔지니어링하고 있습니다.

샤오미의 공장 테스트는 본격적인 도입에 앞서 반복적인 제조 작업에 우선순위를 두고 있음을 보여줍니다. 대중 공개 전, 이 이족 보행 시스템은 샤오미 전기차 조립 라인에서 4개월간 엄격한 인턴십 과정을 거치며 자동 탭핑 나사 체결 및 자재 상자 핸들링 등의 작업을 수행했습니다. 초기 테스트에서는 로봇이 약 76초의 워크스테이션 주기에 맞춰 작동해야 했습니다. 4개월간의 개선 끝에 샤오미는 자동 탭핑 나사 체결 스테이션의 성공률이 90.2%에서 98%로 향상되었다고 보고했습니다. 이러한 전환은 휴머노이드 로보틱스가 단순한 보행 시연을 넘어 복잡한 물리적 환경에서 반복 가능하고 고도로 정밀한 작업 단계로 진화하고 있음을 보여줍니다.

샤오미 휴머노이드 로봇 에코시스템의 기술 아키텍처 이해하기

내부적으로 차세대 플랫폼은 2022년형 CyberOne 프로토타입에 비해 기계적 설계와 인공지능 통합 측면에서 상당한 진전을 이뤘습니다. 1세대 CyberOne이 단 21개의 관절 자유도만을 가졌던 것과 달리, 신모델은 이를 66개의 관절 자유도로 늘렸습니다. 이러한 기계적 확장은 주로 손 부위에 집중되어 총 33개의 손 자유도를 할당함으로써 미세 운동 제어, 정밀한 물체 집기, 그리고 섬세한 도구 조작을 가능하게 합니다.

별도로 샤오미 로보틱스는 통합 프레임워크 산하에 여러 체화형 AI 모델과 연구 프로젝트를 발표했습니다. 이러한 오픈소스 프로젝트에는 실시간 실행 모델인 Xiaomi-Robotics-0, 10만 시간이 넘는 실제 주행 궤적을 활용하는 대규모 모델 Xiaomi-Robotics-1, 그리고 38B 규모의 통합 자기회귀 모델 Xiaomi-Robotics-U0이 포함됩니다. 이 프로젝트들은 로봇 행동 생성, 파운데이션 정책, 그리고 체화된 월드 모델링을 아우릅니다. 다만, 공개된 자료에 따르면 WRC 프로토타입이 프로덕션 제어 스택으로서 이 모델 중 특정 모델을 직접 구동하고 있다는 점은 명시되지 않았습니다.

간소화된 개념적 VLA 제어 파이프라인은 다음과 같이 나타낼 수 있습니다:

[시각 / 언어 입력]
           │
           ▼
[체화형 정책 또는 VLA 모델]
           │
           ▼
[로봇 행동 / 모션 명령]
           │
           ▼
[바디 전용 제어기]

이러한 연구 방향은 작업별 정책에서 탈피해 다양한 작업과 로봇 구성에 걸쳐 지식을 전송하도록 설계된 체화형 모델로의 폭넓은 전환을 보여줍니다. 시각 및 언어 입력을 로봇 행동이나 작업 수준의 제어 신호로 변환하는 모델을 개발함으로써, 개발자들은 더 넓은 범위의 작업과 신체 형태(Embodiment)에 일반화되는 소프트웨어를 탐색할 수 있습니다. 소프트웨어 스택은 멀티모달 센서 입력을 바디별 상태 추정, 모션 플래닝, 그리고 저수준 제어와 조율해야 합니다.

전통적인 로봇 제어 vs. VLA 파운데이션 모델

로봇 개발의 물리적 요구사항이 단순한 내비게이션을 넘어섬에 따라, 개발자는 로봇 제어 레이어를 어떻게 구성할지 선택해야 합니다. 전통적인 수학적 모델을 사용한 커스텀 제어 루프 구축은 높은 정밀도를 제공하지만 비정형 환경에 대한 적응력이 부족합니다. 반면, 대규모 학습 기반 정책은 훨씬 더 많은 학습 데이터가 필요하지만, 학습 커버리지와 신체 정렬이 충분할 경우 더 넓은 적응성을 제공할 수 있습니다. 작업 가변성과 객체 다양성이 증가할수록 순수 사전 프로그래밍 기반 제어 방식은 확장하기 어려워집니다.

아키텍처 평가: 전통적 기구학 vs. 생성형 VLA

모델 기반 제어는 예측 가능하고 정밀한 동작을 제공할 수 있으나, 고도로 가변적인 환경에 이를 적응시키려면 추가적인 인식, 계획, 그리고 작업별 엔지니어링이 필요한 경우가 많습니다. 이 접근법은 명확히 정의된 운영 제약 조건 내에서 예측 가능한 동작을 제공합니다. 자체적인 커스텀 기구학 제어기를 개발하려면 관절 제약 조건을 매핑하고 실시간으로 역기구학 방정식을 풀기 위해 상당한 엔지니어링 리소스가 소요됩니다. 반대로, 사전 학습된 시각-언어-행동(VLA) 파운데이션 모델을 배포하면 학습 커버리지와 신체 정렬 상태에 따라 더 나은 적응성을 제공할 수 있는 반면, 로컬 연산 요구사항이 높아진다는 트레이드오프가 있습니다.

아래 표는 로봇 제어 및 작업 실행을 관리하기 위한 표준 방법론들을 비교합니다:

이러한 아키텍처 결정은 생산 라인에서 로봇의 물리적 성능에 직접적인 영향을 미칩니다. 통합 파운데이션 모델을 채택함으로써, 로봇 시스템은 단일하고 고립된 작업을 실행하는 단계를 넘어 동적인 작업 공간에서 다단계 협업 작업을 수행하는 단계로 전환할 수 있습니다. 엔지니어링 팀은 특정 하드웨어 역량, 작업 복잡도, 그리고 실시간 실행 제약 조건을 바탕으로 이러한 소프트웨어 패러다임을 평가해야 합니다.

통합 체크리스트: 엔지니어링 팀이 체화형 소프트웨어 개발을 준비하는 방법

휴머노이드 플랫폼이 산업 현장으로 전환됨에 따라 운영 안정성과 안전한 실행을 보장하기 위해, 엔지니어링 및 제품 팀은 안전, 검증, 그리고 배포 워크플로를 구축해야 합니다.

개발자 구현 체크리스트

• 안전 제약 제어 경계 정의: 학습된 정책 외부에 관절, 속도, 힘, 그리고 작업 공간 한계를 설정하여 실행 전에 안전하지 않은 동작이 거부되도록 합니다.
• 시뮬레이션 및 제어된 하드웨어 테스트에서 정책 검증: 프로덕션 배포 전에 시뮬레이션 및 단계별 실제 로봇 환경에서 학습된 동작을 평가합니다.
• 엔드투엔드 제어 지연 시간 측정: 인식, 모델 추론, 모션 플래닝, 그리고 저수준 제어를 각각 프로파일링하여 병목 현상을 파악합니다.
• 분포 외(Out-of-Distribution) 동작 테스트: 학습 분포 벤치마크에만 의존하지 않고, 생소한 물체, 조명 조건, 레이아웃, 그리고 작업 변동성을 평가합니다.
• 대체(Fallback) 제어 모드 설계: 학습된 정책이 낮은 신뢰도나 유효하지 않은 동작을 생성할 때 결정론적인 복구 또는 안전 정지 동작을 제공합니다.

제품 및 전략 체크리스트

• 고부가가치 산업용 워크스테이션 정의: 로봇 통합에 가장 적합한 반복적이고 고정밀인 조립 스테이션을 식별합니다.
• 작업 검증 파이프라인 구축: 멀티카메라 모니터링 시스템을 활용하여 로봇 작업 성공률을 실시간으로 평가합니다.
• 크로스 에디피케이션(Cross-Embodiment) 소프트웨어 인터페이스 구축: 로봇 운영 체제가 주변 공장 자동화 네트워크와 통신할 수 있도록 보장합니다.

이러한 구조화된 가이드라인을 수립함으로써 개발 팀은 운영 연속성을 유지하면서 애플리케이션을 더 안전하고 규정에 부합하는 아키텍처로 전환할 수 있습니다.

엔지니어링 팀을 위한 핵심 시사점

샤오미의 66 자유도 휴머노이드 프로토타입은 산업용 휴머노이드 개발이 단순한 이동 시연에서 반복 가능한 조작 작업으로 어떻게 전환되고 있는지 보여줍니다. 손에 집중된 33개의 자유도와 나사 체결, 유연한 부품 핸들링, 자재 관리를 아우르는 공장 테스트를 통해 민첩성과 작업 신뢰성은 핵심 엔지니어링 지표로 자리 잡고 있습니다.

개발자 관점에서 샤오미의 광범위한 로보틱스 연구는 기존 제어 시스템과 함께 VLA 정책 및 체화형 월드 모델의 역할이 커지고 있음을 잘 보여줍니다. 실질적인 과제는 결정론적 제어를 완전히 대체하는 것이 아니라, 로봇을 생산 환경에 배포하기 전에 학습된 정책을 시뮬레이션, 안전 제약 조건, 지연 시간 프로파일링, 대체 동작, 그리고 바디별 제어기와 결합하는 것입니다.

참고 자료

1. Xiaomi Robot set to make public debut at 2026 World Robot Conference on August 19. https://www.gizmochina.com/2026/08/18/xiaomi-robot-set-to-make-public-debut-at-2026-world-robot-conference-on-august-19/

2. Xiaomi-Robotics-0: An Open-Sourced Vision-Language-Action Model with Real-Time Execution. https://arxiv.org/abs/2602.12684

3. Xiaomi-Robotics-1: Scaling Vision-Language-Action Models with over 100K Hours of Real-World Trajectories. https://arxiv.org/abs/2607.15330

4. Xiaomi-Robotics-U0: Unified Embodied Synthesis with World Foundation Model. https://arxiv.org/abs/2607.11643

5. Xiaomi updates progress on humanoid robots in auto factory, achieves 98% success rate in some tasks. https://technode.com/2026/07/15/xiaomi-updates-progress-on-humanoid-robots-in-auto-factory-achieves-98-success-rate-in-some-tasks/