핵심 요약
- DDC 논문 v1은 2026년 8월 1일 공개됐고, v2는 8월 14일 수정됐습니다.
- 중심 위치가 같아도 안쪽으로 움직이는지 바깥쪽으로 움직이는지에 따라 넘어질 위험이 달라집니다.
- 연구진은 지지발 기준으로 좌표를 바꿔 관절 엔코더와 IMU만으로 동적 균형 정보를 구성했습니다.
- 시뮬레이션의 미공개 90개 동작에서 DDC는 89개를 깨끗한 한 발 서기로 유지했습니다.
- 실제 Unitree G1 결과는 질적 시연이며, 논문 스스로 정량 실기 평가와 다른 로봇 확장을 후속 과제로 남겼습니다.
화려한 춤보다 한 발 서기가 더 어려울 수 있습니다
중국 베이징대 연구진은 2026년 8월 1일 arXiv에 DDC(Deployable Dynamic-CoM) 논문 v1을 공개했고, 8월 14일 v2로 수정했습니다. 연구의 출발점은 의외로 단순합니다. 최근 휴머노이드 제어 정책은 달리기나 춤 같은 큰 동작을 따라 하지만, 발을 하나 든 채 흔들리지 않고 버티는 기본 동작에서는 쉽게 발을 다시 딛거나 지지발을 홉한다는 문제입니다.
연구진은 한 발 서기를 ‘넘어지지만 않으면 성공’으로 보지 않았습니다. 지지발이 뜨지 않고, 들었던 발이 바닥에 닿지 않으며, 넘어지지 않고, 기준 자세를 일정 범위 안에서 따라야 Perfect로 판정했습니다. 다시 발을 디뎌 살아남는 경우는 Marginal, 넘어지면 Failure로 나눴습니다. 따라서 이번 결과는 멋진 시연 영상의 인상이 아니라, 한 발 지지를 독립된 능력으로 측정하려는 시도입니다.
무게중심 위치만 보면 왜 늦을까요
책상 위 연필을 세운 장면을 떠올리면 쉽습니다. 무게중심이 받침점 위에 있어도 이미 바깥쪽으로 빠르게 움직이고 있다면 곧 넘어집니다. 반대로 같은 위치라도 안쪽으로 돌아오는 속도가 있으면 회복할 수 있습니다. 그래서 동적 균형에서는 중심 위치 c에 속도 항을 더한 캡처 포인트, 즉 xCoM을 봅니다. 논문은 이를 ‘중심의 위치와 움직임을 함께 본 값’으로 사용합니다.
논문 식은 ξ=c+ċ/ω₀이며 ω₀=√(g/h)입니다. 여기서 h는 단순화한 중심 높이입니다. 발의 지지 영역 안에 캡처 포인트가 있으면 단순 선형 역진자 모델에서 발을 옮기지 않고 멈출 가능성이 있고, 밖으로 나가면 발목만으로는 부족해질 수 있습니다. 다만 실제 휴머노이드는 관절이 많고 높이도 바뀌므로 이 식 하나가 모든 넘어짐을 정확히 예측한다는 뜻은 아닙니다.
지지발 기준으로 바꾸자 측정 문제가 달라졌습니다
문제는 로봇 몸통의 절대 선속도를 온보드 센서가 직접 주지 않는다는 점입니다. 이 값을 외부 카메라 없이 추정하면 드리프트와 지연이 생길 수 있습니다. DDC 연구진은 중심과 지지발을 모두 몸통이 아닌 지지발 기준으로 표현했습니다. 그러면 두 속도에 똑같이 들어 있던 측정하기 어려운 베이스 선속도 항이 차이 계산에서 사라진다고 설명합니다.
남는 정보는 관절 엔코더, 골반의 IMU 자이로, 로봇의 기구학·질량 모델, 어느 발이 지면에 닿았는지에 대한 접촉 마스크로 구성할 수 있습니다. 배포되는 actor는 중심-지지발 상대 위치와 속도의 수평 성분 4개를 포함한 463차원 관측을 50Hz로 사용했습니다. 학습용 critic은 더 많은 특권 정보를 보지만 실제 로봇에서는 버려지므로, 별도의 교사-학생 증류 없이 같은 actor를 배포했다는 것이 연구진의 주장입니다.
균형을 잃은 뒤가 아니라 잃기 전에 개입합니다
DDC는 캡처 포인트가 발 경계에 가까워지면 공간적 여유를 남기고, 경계를 넘기까지 남은 시간이 짧아지면 시간적 여유도 확보하도록 보상을 설계했습니다. 한 발 지지에서는 논문 기준 발의 좌우 반폭이 약 2.75cm에 불과했습니다. 그래서 중심이 발 위에 있다는 정지 사진보다 어느 방향으로 얼마나 빨리 이동하는지가 중요합니다.
또한 작은 흔들림에는 발목을 먼저 쓰고, 필요할 때 무릎과 엉덩이를 더 사용하는 사람의 자세 제어 연구를 보상 항에 반영했습니다. 고주파로 관절을 떨며 간신히 버티는 정책을 막기 위해 jerk도 줄였습니다. 이는 안전을 수학적으로 보장하는 장치가 아니라, 학습 정책이 넘어짐 직전의 회복보다 처음부터 균형 여유를 유지하도록 유도하는 설계입니다.
89대 0이라는 숫자는 같은 뜻의 성공률이 아닙니다
깨끗하고 결정적인 MuJoCo sim-to-sim 시험에서 DDC는 미공개 90개 동작 중 89개, 98.9%를 Perfect로 유지했습니다. 비교한 8개 범용 전신 동작 추적 정책은 모두 Perfect가 0/90이었습니다. 그러나 대부분이 곧바로 쓰러진 것은 아닙니다. SONIC 등은 들었던 발을 다시 디디거나 지지발로 홉하며 상당수 시험에서 서 있는 상태를 유지했지만, 연구진의 엄격한 한 발 서기 기준은 통과하지 못했습니다.
이 숫자를 DDC가 모든 로봇 균형 문제에서 98.9% 성공한다고 읽으면 안 됩니다. 시험 동작은 9,814개 유효 합성 동작에서 만든 900개 층화 데이터셋 중 90개 테스트 동작이고, 평가는 약 3.3초의 한 발 지지 구간입니다. 비교 정책마다 물리 모델과 명령 인터페이스가 일부 달라 연속 지표는 엄격한 순위가 아니라 설명적 비교라고 논문도 밝힙니다.
실제 G1 시연은 무엇을 확인했을까요
연구진은 29자유도 Unitree G1에서 같은 actor를 ONNX로 50Hz 실행했고, 여러 자세에서 한 발 균형을 유지하는 모습을 공개했습니다. 이는 지지발 기준 관측이 실제 온보드 센서로 구성되고 정책이 하드웨어에서 동작할 수 있음을 보여주는 중요한 단계입니다. 코드·정책·데이터·벤치마크도 함께 공개돼 재현 가능성을 높였습니다.
하지만 실제 로봇 결과에는 89/90과 같은 성공률, 외력 크기별 회복 한계, 바닥 마찰 변화, 장시간 반복, 배터리와 열 조건의 정량값이 제시되지 않았습니다. 논문도 실기 결과를 ‘질적으로 확인했다’고 표현하고, 실제 정량 지표와 다른 로봇으로의 확장을 후속 과제로 남겼습니다. 시뮬레이션 성능과 현장 안정성을 같은 수준의 증거로 취급해서는 안 됩니다.
제품 개발에서는 어떤 질문으로 바꿔야 할까요
제품 평가에서는 ‘한 발로 설 수 있는가’보다 시험 조건을 먼저 물어야 합니다. 지지 시간, 들고 있는 발의 높이, 골반 높이, 바닥 마찰, 센서 잡음, 외력의 크기와 방향, 허용되는 발 재접촉 여부를 고정해야 결과를 비교할 수 있습니다. 이번 논문처럼 Perfect, 회복, 넘어짐을 분리하면 단순 생존율보다 실제 제어 품질이 잘 드러납니다.
사업적으로는 한 발 서기 자체보다 좁은 통로 이동, 계단, 발판, 옷 입기 보조처럼 짧은 단일 지지가 반복되는 작업에서 의미가 큽니다. 다만 DDC는 범용 정책 전체를 대체하는 완제품 기술이 아니라 균형 관측과 학습 기준을 개선한 연구입니다. 향후에는 실제 하드웨어에서 반복 횟수와 실패 모드, 다른 체형·발 크기·하중으로 확장되는지 확인해야 제품 수준의 판단이 가능합니다.
확인한 원문
- arXiv: A Change of Frame Makes Balance Observable (v2, 2026-08-14)
- arXiv HTML: full paper and technical appendix
- DDC code and benchmark repository
- DDC stratified single-leg-balance motion set
자료 확인일: 2026년 9월 22일.
함께 보면 좋은 글
글쓴이
Sean Woo — 15년 이상 로보틱스 기술·사업 방향성 수립 업무를 해왔습니다. 공개된 기술문서·논문·기업 발표를 바탕으로 로봇과 AI의 변화를 이해하기 쉽게 분석합니다. 이 매체의 해석은 특정 회사나 기관의 공식 입장을 대변하지 않습니다.