휴머노이드 로봇(Humanoid Robot)은 비교적 쉬운 방식으로 대중의 관심을 끈다. 춤을 추고, 손을 흔들고, 사람과 악수한다. 이러한 영상 한 컷만으로도 ‘이제 사람형 로봇 시대가 왔다’는 평가가 주를 이룬다. 하지만 제조·물류 현장에서 휴머노이드 기술을 받아들이는 기준은 이 같은 감탄과 다르다.

 

현장은 ‘기술적 구현 가능성’보다 ‘시스템적 가용성’에 무게를 둔다. 라인 정지는 곧 천문학적 손실로 직결되고, 안전·품질의 단절은 브랜드 신뢰도를 붕괴시키기 때문이다. 이에 따라 현장에서의 휴머노이드 로봇 도입은 다양한 가용성 요소를 만족해야 한다. 연속 가동 시간, 평균고장간격(MTBF), 장애 복구 탄력성 등이 이에 해당한다.

 

휴머노이드가 산업 현장에서 ‘도입의 당위성’을 확보하는 지점도 바로 여기다. 고도화된 자동화 라인 사이에서도 여전히 작업자의 손길이 필수적인 공백이 존재하기 때문이다. 조립(Assembly)·상하차(Loading & Unloading)·분류(Sorting) 등 작업 조건이 수시로 변하는 비정형 구간이 대표적이다.

 

기업은 이 영역에서 인력난·이직률·안전위협이라는 고질적인 운영 비용을 떠안는다. 결국 이때의 본질은 작업자에 의존하던 임계 구간을 얼마나 실질적으로 휴머노이드가 녹아들 수 있는지다.

 

이 질문이 성립하려면 휴머노이드 하드웨어 성능만으로는 부족하다. 로봇을 구동하는 운영 프로세스의 고도화가 함께 이어져야 한다. 작업 공정을 직관적으로 설계하고, 다수의 로봇을 현장에 배포하며, 제조실행시스템(MES)·창고관리시스템(WMS) 등 기존 관리 인프라와의 연동 등 체계가 뒤따라야 한다.

 

또한 발생한 문제를 실시간으로 관제·복구하고, 그 과정에서 축적된 현장 데이터를 다음 프로젝트의 성능 개선에 적용하는 '데이터 선순환 구조' 또한 갖춰져야 한다.

 

최근 산업계의 화두인 '체화 AI(Embodied AI)'도 같은 맥락이다. 화면 안에서 언어 모델로 답변만 잘하는 인공지능(AI)은 점점 과거의 기술로 인식될 전망이다. 이제는 실제 물리적 환경을 인지하고 판단해 스스로 행동까지 수행하는 지능이 현장의 판도를 바꾸고 있다.

 

이 단계에 이르면 AI의 성능은 곧 인프라 운영의 숙련도로 직결된다. 데이터 질·양, 로봇 간 연결 인프라, 실시간 제어 반응 속도, 현장 안전 기준, 배포·관제 도구 완성도 등이 현시점 휴머노이드의 기대치다.

 

 

‘춤’은 끝났다...자동화가 포기한 ‘작업자 의존 구간’, 휴머노이드가 메우나?

 

렌 광지에(Ren Guangjie) 레주로보틱스(Leju Robotics) 솔루션 총괄도 휴머노이드의 산업화를 ‘동작’이 아닌 ‘지표’로 설명했다. 그는 “지난해 3월만 해도 휴머노이드의 연속 작업이 20분 수준이라 산업 수요를 만족시키기 어려웠다”며 “이후 반년 뒤 공장 테스트에서는 연속 작업 가능 시간이 9시간 반까지 올라갔다”고 말했다. 이어 “현장 조건을 단계적으로 상향하면서 연속 가동 성능을 단기간에 끌어올렸다”라며 개선 속도를 강조했다.

 

그가 곧바로 꺼낸 다음 어젠다는 휴머노이드의 신뢰성이다. 그는 “산업 현장이 여전히 강하게 요구하는 조건은 MTBF”라며 “자사 테스트에서 1000시간 이상을 확보했고, 다음 단계로는 제3 시험기관에서 운전 시험을 진행하겠다”고 밝혔다.

 

렌광지에 총괄은 그러면서 원격 조작 시 발생하는 지연도 같은 범주로 제시했다. 그는 전력 설비 순시·점검을 예로 들며 “조작자는 안전한 곳에 있고, 로봇은 고압·저압 같은 위험 환경에 들어가 원격으로 조작된다”고 설명했다. 아울러 그는 단순 순시 구간은 사족 보행 로봇이 이미 쓰이고 있지만, 밸브 조작처럼 정교한 작업이 필요한 점검 구간에서 사람형 로봇 수요가 생길 수 있다는 의견을 덧붙였다.

 

 

연이어 “지연을 20밀리초(ms) 이하까지 낮출 수 있었다”고 말하면서 “베이징의 조작자가 상하이의 로봇을 원격으로 조작해 약 1200km 거리에서 배송 시나리오를 수행한 레퍼런스도 있다”고 부연해 말했다. 로봇이 사람을 ‘대체’하는 장치로만 작동하는 게 아니라, 위험을 분리하는 운영 도구가 될 수 있다는 주장이다.

 

현장은 이 수치를 기준으로 로봇 도입 조건을 협의한다. 가동 보증 범위, 부품 수급 주기, 서비스수준협약(SLA) 등 실질적인 유지보수 체계가 이 같은 데이터에 맞춰 설계되기 때문이다.

 

“멈추면 곧 고철” 휴머노이드는 현장이 요구하는 실질적 차세대 운영기술

 

앞서 언급한 것처럼 휴머노이드가 산업에서 설득력을 얻는 배경은 현장의 빈틈이다. 자동화 설비는 고부하·고정밀·고반복 작업에 강하다. 반면 작업물과 작업 위치가 수시로 바뀌고, 순서가 흐트러지고, 작업자 판단이 개입되는 비정형 구간은 기존 기계가 쉽게 이식되지 못했다.

 

렌광지에는 “자동화 설비가 보편화됐지만 비정형 환경에서는 해결하지 못하는 구간이 많다”며 휴머노이드는 유연성과 비정형 환경에서 강점을 낼 수 있다는 취지로 말하며, 기존 자동화 설비와의 결합을 강조했다.

 

▲ 레주로보틱스 '쿠아보 5(KUAVO 5)'와 '쿠아보 4 프로(KUAVO 4 Pro)'. (촬영·편집 : 헬로티 최재규 기자)

 

그가 현장에서 체감한 위기감은 더 구체적이었다. 총괄은 협력사 사례를 들어 인력난의 심각성을 꼬집었다. 그는 “불과 2019년만 해도 한 달에 300명을 채용하던 공장이 이제는 50명 구하기도 버겁다”는 것이다.

 

실제로 자동차 조립 라인의 경우, 전체 1600명 규모의 인력 중 1200명이 여전히 작업자 손을 타는 조립 공정에 매달려 있다. 자동화 라인을 설치해도 결국 핵심 공정은 사람이 붙어 있어야 하는데, 정작 그 사람을 구할 길이 막히면서 운영 자체가 불가능한 상황에 놓였다는 설명이다.

 

장 청이(Jang Chengyi) 유니트리로보틱스(Unitree Robotics) 솔루션 총괄은 이 지점을 휴머노이드의 활약 구간으로 짚어냈다. 그는 “지능은 생각하고 말하는 것만으로는 부족하고, 실제로 수행하고 상호작용해야 한다”고 말하며 체화 지능을 정의했다. 이어 “작업 환경의 대부분은 작업자 기준으로 만들어져 있어, 시설을 다시 짓거나 기계를 다시 설계하지 않고도 사람형 로봇을 투입할 여지가 있다”고 피력했다.

 

 

그는 휴머노이드를 기능적으로 분해해 현장 투입의 가능성을 제시했다. 기계 설계와 운용의 기반인 ‘몸’, 안정적인 동작 제어를 책임지는 ‘발’, 상황을 이해하고 판단하는 ‘뇌’가 결합된 형태라는 설명이다. 결국 ‘사람을 닮았다’는 외형적 특징보다, 기존 인프라를 그대로 활용하며 사람의 업무를 대체할 수 있는 ‘역할 구조’를 완성하는 것이 휴머노이드 로봇 기업들의 진짜 승부처라는 것이다.

 

한 대의 로봇은 시작일 뿐, 복수 로봇이 톱니바퀴처럼...관건은 ‘오케스트레이션’

 

휴머노이드 한 대의 퍼포먼스에서, 현장 전체의 ‘통합 관리(Orchestration)’로 넘어가는 단계. 여기서 성패가 갈릴 전망이다. 렌광지에가 강조한 것도 결국 공장 흐름에 로봇을 어떻게 녹여낼 것인가다. 그는 공장 작업자가 코딩 없이도 드래그앤드롭(Drag & Drop) 방식으로 로봇의 작업 경로를 설정하고, 한 번에 여러 대를 동시 배포하는 운영 환경을 구축해야 한다고 밝혔다.

 

로봇이 단순히 자재를 옮기는 게 아니라, MES와 실시간으로 데이터를 주고받으며 공정의 톱니바퀴처럼 맞물려 돌아가게 만들자는 것이다.

 

특히 표면실장기술(SMT) 라인처럼 고가 부품을 다루는 공정에서 휴머노이드의 가치는 ‘리스크 제어’에 있다. 작업자가 자재를 놓치거나 순서를 바꿔 라인 전체가 멈추는 사고를 원천 차단하는 것. 현장이 휴머노이드에 거는 진짜 기대다.

 

다니엘 허(Daniel He) 화웨이(Huawei) 디지털제조혁신 수석 아키텍트는 이 복잡한 현장 운영의 해법을 ‘R2C(Robot to Cloud)’라는 연결 구조에서 찾았고 전했다. 그는 “AI가 가상 환경의 알고리즘부터 물리적 현장에서 작동하려면 결국 감지와 실행이 끊김 없이 연결돼야 한다”며, 이를 위해 지능의 상한선을 결정짓는 ‘고품질 멀티모달(Multimodal) 데이터’의 축적을 강조했다.

 

허는 휴머노이드 적용 분야를 제조·물류에만 묶지 않았다. 그는 의료 영역도 예로 들며, AI와 수술용 기계 장치가 결합된 지능형 보조 수술 로봇이 정밀도·안정성을 높일 수 있다고 언급했다. 또한 베이징과 약 4000km 떨어진 구간을 연결한 원격 수술 지원 사례를 언급하며, 장거리 환경에서도 기계 장치를 통해 수술 지원이 가능하다는 점도 내세웠다.

 

 

이 과정에서 그가 제안하는 운영 모델은 명확한 역할 분담이다. 휴머노이드 단말은 실시간 감지와 정밀 제어를, 에지(Edge)는 현장의 업무 집약적 추론을, 클라우드는 월드 모델(World Model)의 연산과 최적화를 담당하는 3단계 구조다.

 

허 수석은 “로봇 대수가 늘어날수록 개별 기기의 성능보다는 이 연결 체계를 얼마나 저지연·고신뢰 환경으로 구현하느냐가 성능과 비용의 승패를 결정한다”고 덧붙였다. 결국 로봇 산업의 미래는 ‘지능형 기계’를 만드는 단순한 비전이라는 것. 이를 확장해 ‘지능형 인프라’를 구축하는 일이 중요해지고 있다.

 

성능보다 운영, 속도보다 안전...현실 속 휴머노이드의 조건

 

업계가 주목하는 휴머노이드 산업화의 또 다른 성패 변수는 '생태계의 회전수'다. 신형관 중국자본시장연구소장은 이 지점을 중국 로봇 산업의 가장 큰 무기로 꼽았다. 그는 “부품 하나가 고장 났을 때, 글로벌 공급망 체계에서는 수급에 3~4주가 걸리는 일이 다반사지만, 중국 현지에서는 24시간에서 30시간이면 교체와 수리가 완료된다”고 설명했다.

 

그는 중국 로봇 산업의 경쟁력을 ‘속도·가격·브랜드’로 요약한 뒤, 데이터를 모아 모델과 개발로 연결하는 구조가 빠르게 만들어지고 있다고 언급했다. 신 소장은 데이터 수집이 시스템적으로 강제되는 '물리적 장치'로 나아가야 한다는 점을 분명히 했다. 그는 “이미 중국 데이터 공장 내부에는 102개의 전용 분석·측정 도구가 상시 가동 중이며, 여기서 생산된 데이터가 매일 로봇 모델의 성능을 갱신하는 엔진으로 활용된다”고 전했다.

 

이는 현장에서 수집된 정보가 유실되지 않고 개발 사이클로 직행하는 '폐쇄형 루프(Closed-loop)'가 구축됐음을 의미한다. 결국 휴머노이드가 공장에서 제대로 가동되려면 로봇 자체 성능보다 '운영기술(OT)'이 더 중요하다는 뜻.

 

이처럼 데이터 공장에서 쏟아지는 정보로 로봇 모델을 개선하는 이유는 명확하다. 고장을 미리 예측하고, 문제 발생 시 즉각 대응 체계를 갖춰 현장의 가동 시간을 최적화하기 위해서다. 즉, 데이터를 모으는 과정과 고장 난 부품을 빠른 시간 안에 교체해 로봇을 다시 살려내는 이 일련의 순환 과정을 구축하는 것이다.

 

이렇게 운영 체계가 갖춰졌음에도, 휴머노이드가 넘어야 할 기술적 벽은 여전히 높다는 지적이다. 옌 웨이신(Yan Weixin) 상해교통대AI연구원 수석과학자는 이를 ‘손끝의 난제’로 정의했다.

 

 

옌 수석은 “전체 33개 동작 평가 중 32개는 이미 인간 수준에 근접했으나, 젓가락으로 물체를 집어 올리는 것 같은 고도의 섬세함은 아직 미완의 영역”이라고 진단했다. 파지(Grasping) 안정성, 미세한 힘(Force) 조절, 감지·제어 실시간 결합 등이 요구되는 이 복잡 조작 구간이야말로 휴머노이드가 해결해야 할 마지막 퍼즐이라는 주장이다.

 

그는 “소뇌와 같은 운동 제어와 대뇌의 판단 기능이 유기적으로 역할 분담을 할 때 이런 복잡한 조작이 가능하다”며 즉각적인 반응성과 안정적인 동작 제어를 향후 개발 과제로 꼽았다.

 

현장의 기준이 공장 지표에서 끝나는 건 아니라는 지적도 나왔다. 저우 빈(Zhou Bin) 푸리에인텔리전스(Fourier Intelligence) 공동창업자 겸 부사장은 휴머노이드가 산업 현장에서 성적표를 쌓는 과정과 별개로, 기술이 최종적으로 넘어야 할 문턱을 ‘가정’으로 설정했다.

 

그는 “무대 위에서 화려하게 춤추는 장면이 산업적 성공을 의미하지 않는다”며 “로봇의 진정한 성공 기준은 공장을 넘어 가정이라는 가장 불확실한 공간에 안착할 수 있느냐에 달려 있다”고 말했다.

 

저우 빈은 휴머노이드가 가정 진입에 이르는 경로를 단계적으로 제시했다. 의료 현장에서 먼저 운용 경험을 쌓고, 커뮤니티로 확장한 뒤, 가정 내 돌봄과 가사 노동으로 넘어가는 순서다. 실제로 그는 상하이국제의학센터(SIMC)에 재활 목적의 사람형 로봇을 배치한 사례를 들었다. 그에 따르면 이 시설에서는 안내, 고령자 동행, 물리 재활 훈련 등을 구현하는 형태로 휴머노이드를 운용하고 있다.

 

이어 커뮤니티 센터로 확장해 고령자에게 물을 건네거나 말벗이 되는 기본 서비스, 간단한 상호작용을 반복하며 운영 경험을 쌓은 뒤 가정으로 활동 무대를 확장하는 시나리오를 제시했다.

 

부사장은 이 경로가 설득력을 갖는 배경으로 자사 재활 로봇 공급 경험을 언급했다. 초기에는 침상 생활이 길어 스스로 일어나기 어려운 환자가 착용형 로봇을 통해 다시 서고 걷는 것을 돕는 제품을 제공했다는 것. 이후 재활센터에서 반복 훈련을 사람이 전부 떠안는 구조를 로봇 기반 솔루션으로 바꾸는 방향을 추진해 왔다는 설명도 이었다.

 

 

저우 빈은 특히 안전을 가정 진입의 핵심 조건으로 꼽았다. 그는 “거대언어모델(LLM)은 오류가 나도 말이 틀리는 수준이지만, 체화 AI는 오류가 곧 위험한 행동으로 이어질 수 있다”고 말하며 안전 문제를 강조했다. 돌봄·가사 영역으로 갈수록 기준은 ‘작동’보다 ‘안전’으로 더 좁혀진다는 취지다.

 

결국 이 같은 각종 어젠다는 글로벌 휴머노이드 경쟁이 사람처럼 보이는 기계를 만드는 외형 싸움이 아니라는 점을 방증한다. 현장이 요구하는 가동률·신뢰도를 수치로 증명하고, 조립·분류 등 비정형 공정부터 실전 경험을 쌓아 나가야 한다는 것.

 

그리고 그 과정에서 승부를 가르는 변수는 로봇 단품의 화려한 동작보다, 작업 구성을 최적화하고 수십 대를 동시에 오케스트레이션하며, 축적된 데이터를 다시 성능으로 치환해내는 ‘운영 방식’이다. 휴머노이드는 그렇게 공장·의료·돌봄 등 현장에서의 운영 경험을 발판으로 현실로의 확장을 예고하고 있다.

 

 

헬로티 최재규 기자 |