KO
검색
사진: The Robot Report

AGIBOT G2 로봇, 상하이 편의점 24시간 시험서 작업 1,730건 수행

실제 영업 중인 편의점에서 진행한 24시간 시험

AGIBOT은 상하이 쉬후이구에서 영업 중인 편의점에 바퀴형 휴머노이드 로봇 G2 6대를 투입해 24시간 시험을 진행했다고 The Robot Report가 전했다. 로봇들은 고객 응대와 커피 준비부터 선반 보충과 청소까지 총 1,730건의 작업을 수행했다. 6대 중 4대는 최종 성능 평가를 통과했다.

시험은 11월 2일 오전 10시에 시작해 11월 3일 오전 10시에 끝났다. 보도에 따르면 시험은 온라인 플랫폼을 통해 200만 명이 넘는 시청자에게 생중계됐다.

이번 시험으로 AGIBOT의 AI WAVE 기술 쇼케이스가 막을 내렸다. 10월 22일 시작된 이 쇼케이스에서는 로보틱스용 데이터셋, 시뮬레이션 도구, AI 모델, 운영용 하드웨어와 소프트웨어가 공개됐다. 편의점 시험은 이 기술들을 실제 환경에 모아, 일상 업무를 로봇이 장기간에 걸쳐 어떻게 처리하는지 보여주기 위한 것이었다. 한편 회사는 2026년 9월 2만 번째 로봇이 생산 라인에서 나왔다고 밝혔다.

역할 배정과 시험 결과

로봇마다 맡은 역할이 달랐다. 일부는 고객 요청을 처리했고, 일부는 선반을 점검해 채웠다. 나머지는 커피를 준비하거나 계산과 뜨거운 음식 제공을 맡았고, 매장 청소를 담당하기도 했다.

24시간 동안 로봇들은 고객 응대 683건, 상품 픽업과 배달 369건을 기록했다. 커피 주문 147건과 아침 식사 126인분을 준비했고, 선반 점검과 보충 277건을 처리했으며, 테이블은 128번 청소했다.

시험은 네 개 시간대로 나뉘어 진행됐다. 점심 피크 시간, 저녁 피크 시간, 야간 운영, 다음 날 아침 식사 피크 시간이다. 보도에 따르면 시간대마다 과제가 달랐다. 바쁜 시간에는 요청에 응답해야 했고, 야간에는 매장을 계속 돌려야 했다.

평가자들은 로봇별로 근무 지속 시간, 과제 완수 여부, 고객 피드백, 응답 속도, 예상 밖 상황에 대한 대처 방식을 기준으로 점수를 매겼다. 보도에 따르면 4대는 최종 심사를 통과했고, 나머지 2대는 일부 요건을 충족하지 못했다.

평가자 2명은 고객 응대 중 로봇이 마주칠 수 있는 상황을 바탕으로 실전형 테스트도 실시했다. 한 테스트에서는 일반 코카콜라와 무설탕 코카콜라를 주문해, 로봇이 비슷하게 생긴 제품을 구분하는지 확인했다. 다른 테스트에서는 껌 묶음을 제자리에서 옮겨 놓고 원래 자리로 되돌려 놓도록 요청했다.

내비게이션을 점검하기 위해 평가자들은 한 통로에 사람과 상자를 두고, 로봇이 장애물을 알아채고 피해 가는지 확인했다.

매장이 까다로운 시험인 이유

보도는 편의점이 로봇에게 단순해 보일 수 있다고 짚었다. 매장은 구조가 간결하고 표준 절차를 따르는 작업이 많다. 그럼에도 상품을 집고, 선반을 채우고, 음식을 만드는 일은 조건이 작고 자주 바뀌는 상황에 로봇이 대응하도록 요구한다.

보도는 예를 들었다. 살짝 다른 각도로 걸려 있는 사탕 봉지는 옆 상품을 건드리지 않고 집기가 어렵다. 케이크 한 조각처럼 섬세한 물건은 악력을 정밀하게 조절해야 떨어뜨리거나 망가뜨리지 않는다.

보도에 따르면 실제 매장은 연구실과 크게 다르다. 손님이 통로를 오가고, 상품은 집혔다가 다시 놓이며, 위치와 각도, 포장이 제각각이다. 그래서 반복되는 작업이라도 매번 같은 순서로 흘러가지 않을 수 있다.

보도는 G2 로봇이 이런 문제를 해결하기 위한 여러 능력을 보였다고 밝혔다. 로봇은 미리 정해진 좌표에만 의존하지 않고, 실시간 시각 정보로 제자리를 벗어난 상품을 찾아 지정된 자리에 되돌려 놓았다.

진열 업무를 맡은 한 로봇은 지시가 없었는데도 선반의 빈자리를 발견해 채웠다. 청소 구역에서는 다른 로봇이 엎지러진 액체와 카운터 표면에 인쇄된 무늬를 구분해, 알맞은 도구를 골랐다.

보도는 이 작업들이 단순 동작을 넘어선다고 설명했다. 주변을 인지하고, 과제에 맞춰 판단하며, 상황이 바뀌면 행동을 조정하는 능력이 필요하다는 것이다.

Genie Master와 운영 데이터를 통한 학습

이번 시험에서는 AGIBOT의 체화형 AI 에이전트 프레임워크인 Genie Master도 점검했다. 보도에 따르면 과제 조율, 오류 수정, 운영 데이터를 통한 학습 기능을 시험했다.

Genie Master는 6대 로봇을 모두 조율하는 공통 프레임워크로, 로봇의 동작을 이후 분석과 학습에 연결한다. 보도는 계획, 실행, 피드백 사이의 연결이 체화 실행 프로토콜(EEP)을 통해 이뤄진다고 전했다.

시스템은 각 로봇의 능력과 매장 상황에 따라 작업을 나눈다. 로봇은 행동 정책과 실시간으로 파악한 주변 상황에 따라 임무를 수행한다. 각 시도의 결과는 검토와 고장 진단을 위해 다시 시스템에 전달된다.

프레임워크는 이전 시도에서도 배운다. 성공과 실패를 모두 검토해, 비슷한 사례에 쓸 수 있는 유용한 경험을 장기 기억에 보관한다. 좋은 조정 사항은 행동 정책을 다듬는 훈련 데이터로 전환될 수 있다.

향후 계획

AGIBOT은 운영을 통해 얻은 학습 내용을 적용해, 섬세한 취급이 필요한 작업에서 G2의 성능을 높이고 있다. 비교적 조용한 밤 시간에는 연습을 더하고 있다. 보도는 이 작업들이 정밀한 취급이 필요한 과제를 겨냥한 것이라고 밝혔다.

회사는 운영 피드백을 활용해 로봇의 신뢰성과 유연성을 높이고, 시험을 더 많은 작업과 실제 현장으로 확대할 계획이다. 보도에 따르면 AGIBOT은 작업 간에 어떤 능력과 작업 방식을 이어 쓸 수 있는지, 다른 현장에 복제할 수 있는지도 살펴볼 예정이다. 보도는 이 결과가 현장에서 더 안정적이고 확장 가능한 활용을 목표로 하는 다음 단계의 방향을 정할 것으로 보인다고 전했다.

출처