← 전체 모델 소식

아콘 로보틱스, 전신 제어 모델 Anchor 1 발표…보고서 "손목 오차 28% 낮아", 가중치는 2026년 말 단계적 공개 계획

머신러닝 전문 매체 지나이신즈(机器之心)가 2026년 11월 6일 보도한 바에 따르면, 아콘 로보틱스(Archon Robotics)가 전신 제어 모델 Anchor 1을 공개했다. 이 모델은 System 0 '소뇌'를 표방하며, 실기기 테스트에서 손목과 발목의 전역 위치 오차가 이전 최고 비교 방법보다 약 28%와 39% 낮았고, 원격 조작으로 종이 상자를 차는 시연 수집 성공률은 37.5%에서 98.0%로 올랐다. 가중치와 배포 코드는 2026년 말 단계적으로 공개될 계획이다.

게시 수정

주요 변화

머신러닝 전문 매체 지나이신즈가 2026년 11월 6일 보도한 바에 따르면, 피지컬 AI 기업 아콘 로보틱스는 전신 제어 모델 Anchor 1을 공개하고 32페이지 기술 보고서와 프로젝트 홈페이지를 함께 내놓았다. 이 모델은 전신 지능 아키텍처의 System 0(S0) 계층, 즉 명령을 전신 동작으로 안정적으로 바꾸는 '소뇌'로 자리매김한다. 보도에 따르면 Anchor 1이 내리는 명령은 골반, 좌우 손목, 좌우 발목 다섯 부위만 포함하고 각 부위의 목표 위치와 방향을 제시하며 나머지 관절은 지정하지 않는다. 배포 시에는 온라인 리타기팅을 하지 않고, 먼저 운영자와 로봇 각각의 T자 자세로 한 번 캘리브레이션한 뒤 프레임마다 고정된 스케일·회전·오프셋 파라미터를 적용해 인체 동작을 로봇 스케일로 환산한다. 학습 단계에서는 리타기팅을 오프라인으로 옮겼다. 인체 동작마다 리타기팅으로 얻은 로봇 동작을 붙여 감독과 보상으로 쓰고, 자동 품질 검사와 수동 검수를 거쳐 학습 데이터셋은 406,222개 동작, 약 1081시간 규모이며 그중 77%가 자체 수집 모션캡처 데이터다. 오차 보정에서는 손목과 발목의 추적 오차가 인코더를 거치지 않고 토큰을 우회해 디코더로 직접 전달되며, 상위 계층이 토큰만 줄 때 목표 자세를 재구성하도록 궤적 헤드를 추가로 학습했다. 실기기 테스트는 유니트리(Unitree) G1에서 진행됐다. 보도에 따르면 72개 전신 조작 동작에서 손목과 발목의 전역 위치 오차가 이전 최고 성능 비교 방법보다 약 28%와 39% 낮았다. 원격 조작으로 종이 상자를 차는 시연 수집 성공률은 37.5%에서 98.0%로 올랐고 시간당 성공 시연은 9개에서 43개로 늘었으며, 슬리퍼 줍기 작업은 시간당 62개, 성공률 97.37%였다. 팀은 In-house, Public, Reachability 세 가지 평가 트랙도 구축해 전 구간 오차 임곗값으로 개별 동작의 성공 여부를 판정한다. 보도는 이번 공개를 더 큰 흐름 속에 놓는다. 올해 1월 말 Figure가 Helix 02에 System 0을 추가했고, 2월 엔비디아가 전신 제어 기반 모델 SONIC을 공개했으며, 이후 Google DeepMind와 즈위안(智元)도 관련 모델을 내놓았다. 공개 계획과 관련해 아콘 로보틱스는 2026년 말에 Anchor 1의 모델 가중치와 배포 코드, 그리고 PICO와 노이트론(Noitom) PN-LINK 기반 원격 조작 및 시연 데이터 수집 파이프라인을 단계적으로 공개하겠다고 밝혔다.

개발자에게 미치는 영향

개발자에게 이 뉴스에서 먼저 봐야 할 것은 특정 벤치마크 수치가 아니라 인터페이스 형태다. 보도가 설명하는 두 가지 지령 경로, 즉 원격 조작이나 상위 정책이 다섯 앵커를 내리는 경로와 상위 정책이 motion token을 직접 출력하는 경로는 데이터 수집 파이프라인을 건드리는지, 정책 출력 계층을 건드리는지를 결정한다. 기존 스택이 배포 시 온라인 리타기팅을 한다면 Anchor 1의 접근은 이 단계를 오프라인 학습으로 옮기고 배포 측은 다섯 앵커만 전달하는 것이다. 보도에 따르면 이렇게 하면 60밀리초짜리 미래 명령만 필요하지만 비교 대상 솔루션은 80~90밀리초가 필요하며, Xsens, CHINGMU, 노이트론 PN-LINK, PICO 네 가지 입력 장치 모두 다섯 앵커로 환산할 수 있고 키 165~188cm, 몸무게 50~80kg의 운영자가 바로 사용할 수 있다고 한다. 수집 효율의 변화는 비용으로 이어진다. 보고서가 제시한 시간당 성공 시연 9개에서 43개는 같은 시연량을 확보하는 데 필요한 인적·기계적 시간이 크게 달라질 수 있음을 뜻하지만, 이는 아콘 로보틱스가 G1에서 자체 측정한 결과이지 다른 본체에 그대로 적용되는 일반적 결론은 아니다. 평가 기준도 주목할 만하다. 보도에 따르면 임곗값을 완화하면 각 방법의 성공률이 서로 비슷해지고 10cm로 조이면 차이가 드러나는데, 이는 전체 구간 평균 추적 오차로 컨트롤러를 비교하면 짧지만 치명적인 편차가 가려지기 쉽다는 뜻이다. 또 보도에 따르면 상위 정책이 motion token만 출력하고 동결된 Anchor 1이 이를 실행할 수 있는데, 이는 '대형 모델 + 컨트롤러'의 분업 방식을 바꾼다. 이상은 모두 보고서와 보도에 담긴 주장이며 아직 제3자 재현은 확인되지 않았다. 연동 전에는 인터페이스, 지연, 평가 기준을 세 가지 독립 변수로 각각 검증해야 하며, 보고서의 순위를 곧바로 모델 선택 근거로 삼아서는 안 된다.

연동 및 평가 제안

다음은 조건부 분석과 제안이며 보도된 사실이 아니다. 첫째, 입력 인터페이스로 다섯 앵커를 쓸지 기존 온라인 리타기팅을 유지할지 결정해야 한다. 상위 입력이 Xsens, CHINGMU, PN-LINK, PICO 같은 스켈레톤 데이터이고 하위가 G1 같은 본체라면 보고서가 제시한 경로는 한 번 캘리브레이션한 뒤 프레임마다 고정 파라미터를 적용하고 배포 시 관절각을 실시간으로 풀지 않는 것이다. 그러나 로봇 관절 구조와 운영자 체형 차이가 뚜렷하다면 이 캘리브레이션 가정을 직접 다시 검증해야 한다. 측정 가능한 판단 기준은 자체 참조 동작으로 전 구간 손목과 발목 위치 오차가 10cm를 넘지 않는 동작 비율을 집계해 기존 온라인 리타기팅 파이프라인과 같은 동작 묶음에서 비교하고, 동시에 명령 급변 횟수를 기록하는 것이다. 둘째, 상위 정책이 노출할 인터페이스를 다섯 앵커 자세로 할지 motion token으로 할지 결정해야 한다. 상위가 대규모 VLA이고 간결하고 구조화된 입력이 필요하다면 토큰이 학습에 유리하다. 그러나 시나리오가 원격 조작 시연 수집이고 정밀도에 가장 민감하다면 보고서 자체가 다섯 앵커를 직접 내리는 쪽을 우선 권한다. 토큰에서 목표를 재구성하면 정밀도 손실이 생기기 때문이다(시뮬레이션에서 국소 위치 오차가 21.9mm에서 22.4mm로 증가). 측정 가능한 판단 기준은 고정된 시행 횟수 아래의 작업 성공률과 같은 작업에서 다른 인터페이스로 바꿨을 때의 성공률 차이다. 셋째, 평가 기준을 결정해야 한다. '전 구간 평균 추적 오차'를 프레임별 임곗값 판정으로 바꿔 컨트롤러를 비교하려면 학습에 참여하지 않은 참조 동작 세트가 있어야 하고, 미끄러짐 횟수, 불필요한 발걸음 횟수 같은 과정 지표를 받아들여야 한다. 측정 가능한 판단 기준은 가장 엄격한 임곗값에서 방법 간 성공률 차이가 여전히 뚜렷한지이며, 임곗값을 완화했을 때 차이가 사라진다면 이 평가가 현재 모델 선택에 변별력을 주지 못한다는 뜻이다.

제한과 확인할 사항

보도와 보고서는 모두 한계를 밝혔다. 평가는 한 가지 휴머노이드 로봇(유니트리 G1)에서만 이뤄졌고 본체 간 엄격한 비교가 없어, 위 오차와 성공률을 다른 기종에 그대로 외삽할 수 없다. 다섯 앵커는 신체가 어디로 가야 하는지만 기술하며 물체 형상, 접촉력, 파지 안정성은 포함하지 않는다. 동작을 정확히 따라가는 것이 안정적으로 잡는 것과 같지는 않다. 자율 실행에서 슬리퍼 줍기 성공률은 45%였고, 보도도 자율 전신 조작이 아직 성숙하지 않다고 인정한다. 토큰에서 목표를 재구성할 때 생기는 정밀도 손실은 여전히 줄여야 한다. 논문은 Public Track에서 비교 대상 방법들이 학습 중 일부 공개 데이터에 접촉했을 수 있다고 언급하며, 보도는 그 '주류 오픈소스 전신 제어 모델'을 끝내 특정하지 않아 횡적 비교의 재현성이 제한적이다. 공개 측면에서 보도는 모델 가중치와 배포 코드를 단계적으로 공개하겠다는 계획만 언급했고 라이선스 조항은 밝히지 않았으므로, '가중치 공개'를 오픈소스 라이선스로 간주해서는 안 된다. 가중치와 배포 코드는 2026년 말 단계적 공개 예정이며 현재는 입수할 수 없고, 이 글에 언급된 성능, 오차, 효율 수치는 모두 기업 자체 보고다. 분명히 해둘 점은 Anchor 1이 현재 KimiSeek 모델 카탈로그에 없으며 보도도 어떤 호스팅 API도 언급하지 않았다는 것이다. 글에서 언급한 공개 계획, 입수 시점, 관련 파이프라인은 모두 아콘 로보틱스 측의 발언이며 이 사이트가 이미 출시하거나 제공하는 서비스가 아니다. 실제 연동은 기업 채널을 기준으로 해야 한다.

3분이면 첫 호출까지

가입 후 API 키를 만드세요. 호출 비용은 계정 잔액에서 차감됩니다. 첫 충전 30% 할인. ¥500 충전, 결제 ¥350, 잔액 ¥500 적립. ¥1000 충전, 결제 ¥850, 잔액 ¥1000 적립 최소 충전 금액은 그대로 ¥10이며, 시험용으로 사용할 수 있습니다.

출처와 편집 과정

刚刚,源策未来发布 Anchor 1:让人形机器人真正做到精准控制

인용한 출처를 바탕으로 AI가 분석과 번역을 돕고 자동 품질 검사를 수행합니다. 제안은 실측 결과가 아닙니다. 제공 여부와 가격은 현재 카탈로그를 확인하세요.