시각·언어·행동(VLA) 모델, 멀티모달 인터페이스, 디지털 트윈, 강화학습 등 다양한 AI 기술이 결합되면서 로봇은 단순 자동화 설비를 넘어 실제 환경을 이해하고 학습하는 지능형 시스템으로 발전하고 있다. 그렇다면 피지컬 AI는 산업 현장에 어떤 변화를 가져올까? 엑스와이지 황성재 대표는 “로봇 산업의 경쟁 구도가 하드웨어 중심에서 AI 기반 서비스와 애플리케이션 중심으로 빠르게 이동하고 있다”며 “이제 중요한 것은 로봇이 얼마나 정교하게 현실 세계를 이해하고 데이터를 학습해 스스로 의사결정을 내릴 수 있느냐”라고 강조했다. 또한 “B2B 리테일, 오피스, 물류, 제조 현장 등 실제 산업 환경이 로봇 상용화의 핵심 무대로 부상하고 있으며, 피지컬 AI가 로봇 산업의 새로운 성장 동력이 될 것”이라고 전망했다. 피지컬 AI 시대, 로봇은 과연 우리의 일터와 산업 현장을 어떻게 변화시킬 것인가? 그 해답을 통해 미래 산업의 방향을 함께 살펴본다.
인류가 마주한 테크 웨이브의 역사는 인터페이스의 진화와 궤를 같이한다. 최초로 평가받는 1980~90년대 물결은 웹(Web)의 탄생이었다. 월드와이드웹(WorldWideWeb, www)이라는 새로운 프로토콜 위에서 하이퍼링크 체계가 발명됐고, 이는 글로벌 빅테크를 탄생시키는 기폭제가 됐다.
당시 인간이 데이터와 상호작용하기 위해 선택한 도구는 키보드·마우스 인터페이스를 골자로 하는 그래픽유저인터페이스(GUI) 환경이었다. 컴퓨터가 책상 위 고정형 자산이던 시절, 인간은 손목의 물리적 이동을 통해 디지털 정보를 제어했다.
그로부터 10년 뒤 등장한 스마트폰 디바이스 환경은 이 고정형 메커니즘을 붕괴시키며 인류를 모바일 애플리케이션 시대로 진입시켰다. 주머니 속의 컴퓨터라는 새로운 디바이스 혁신 속에서 인간은 화면을 직접 제어하는 직관적 멀티터치 상호작용을 경험하기 시작했다. 이를 기점으로 기반으로 포털 중심의 시장은 위치기반서비스(LBS)와 결합했고, 카카오톡·토스·트위터(현 X)·페이스북 등 모바일 생태계를 겨냥한 빅테크가 출현했다.
그리고 다시 10년의 주기를 지나 마주한 현재, 글로벌 테크 시장은 바야흐로 생성형 AI(Generative AI) 시대의 한복판에 서 있다. 업계에 따르면, 기술은 매초 인간의 지적 한계를 뛰어넘는 거대언어모델(LLM)을 쏟아내고 있지만 역설적인 상황이 연출되고 있다고 지적한다. 인간과 지능의 소통 방식은 여전히 150년 전 기계식 타자기 시절에 고안된 쿼티(QWERTY) 키보드 입력 창에 차갑게 갇혀 있다는 것.
인류 역사상 가장 고도화된 지능을 활용하기 위해 인간이 일일이 문자 명령어(Text Prompt)를 입력해야 하는 현 구조는 정보 교환의 대역폭 측면에서 병목이자 한계다.
이처럼 지능이 사용자 화면(UI) 속 텍스트·픽셀의 경계선 안에 제한되어 있는 한, 실질적인 인공지능 전환(AX)은 지연될 수밖에 없다. 생성형 AI의 실질적인 생산성 혁신은 AI가 디지털 폐쇄망을 벗어나는 것이다.
실물 세상의 방대한 데이터를 직접 확보하고, 물리 법칙이 지배하는 현실 환경 속에서 자율적으로 학습하는 이른바 강화학습을 수행할 때 가시화된다. 시각적 인지, 청각적 소통, 촉각적 상호작용을 단일 신경망 안에서 동시에 아우르는 멀티모달 인터페이스. 이것이 로봇 하드웨어를 결합한 피지컬 AI가 부상하는 핵심 이유다.
“하드웨어만이 로봇의 다가 아니야”
현재 글로벌 로봇 산업의 첫 번째 패러다임 전환은 하드웨어 플랫폼 자체의 경쟁에서 독자적인 ‘수직형 응용 프로그램’, 다시 말해 ‘버티컬 애플리케이션’으로의 전환이다. 기존 대비 기성 로봇 하드웨어의 제조 단가가 낮아지고 조달이 손쉬워진 상황에서, 이제 시장의 핵심 화두는 표준화된 로봇을 가져다가 어떤 특정 비즈니스 영역에 적용할 것인지다.
과거 각종 스마트폰 플랫폼 위에서 수많은 버티컬 애플리케이션 생태계가 비즈니스를 창출했듯, 로봇 역시 기성 플랫폼을 일종의 부품처럼 활용하는 ‘애플리케이션화’가 대세를 이룰 전망이다.
국내 외식 업계 프랜차이즈 현장에 푸드테크 로봇을 공급하고 있는 국내 업체 ‘비욘드허니컴’이 대표 사례다. 인공지능(AI) 기반 조리 로봇 ‘그릴 엑스(Grill X)’는 마이아르 반응을 화학적으로 분석하는 센서·지능을 갖추고 고기를 알맞은 타이밍에 뒤집어 구워낸다. 작업자를 구하기 힘든 조리 환경을 버티컬 로봇 자동화로 대체해 실질적인 판매고를 올린 사례다.
매년 작업자가 목숨을 잃는 위험천만한 고층 빌딩 유리창 청소 영역을 대체하겠다고 출사표를 던진 미국 스타트업 ‘스카이라인로보틱스’ 역시 고유한 비즈니스 모델을 구축했다. 이들은 로봇 하드웨어를 직접 제조하지 않고, 기성 로봇 구동부를 부품으로 정의한 뒤, 빌딩 청소라는 버티컬 시장에 특화된 소프트웨어와 비즈니스 모델을 얹어 실전 가치를 입증하고 있다
.
인간 조이스틱 제어와의 상호작용 맥락를 데이터화해 복제 모델을 구축하는 ‘디즈니리서치’의 소셜 드로이드 로봇(Social Droid Robot) 또한 로봇 하드웨어 범람 시대에 애플리케이션이 갖는 파괴력을 보여주는 단초로 평가받는다.
통합 신경망이 무서운 이유…인간 행동을 복제하는 자율 수행 로봇의 서막
이러한 애플리케이션화의 내실을 채우는 핵심 동력은 ‘지능화’의 방법론에 있다. 과거에는 공장 자동화 중심의 로봇이 엔지니어가 사전에 짜놓은 고정 코드와 궤적을 무한 반복하는 휴리스틱(Heuristic) 방식이었다. 이제는 로봇이 스스로 인지하고 판단해 제어 명령을 내리는 ‘모델 기반 방식’이 시장 안에서 주목받고 있다.
이는 LLM을 기반으로 실시간 사물 환경을 해석해 바닥에 어질러진 옷을 소파 위로 정돈해야 한다는 점을 스스로 이해하는 미국 프린스턴대학교의 ‘타이디봇(TidyBot)’ 논문이 그 시초로 꼽힌다.
이 배경에서 글로벌 자본 시장의 이목은 시각·언어·행동(VLA) 모델 기반 AI 로봇으로 쏠리는 중이다. 챗GPT의 로봇 버전으로 알려진 ‘파이제로(pi0)’ 모델을 토대로, 자율적인 빨래 개기 행동을 구현한 ‘파이인텔리전스’가 있다.
해당 스타트업은 초기 시드(Seed) 투자 단계에서 실제 가치보다 과도하게 높게 책정돼 발생하는 위험을 뜻하는 ‘밸류에이션 리스크(Valuation Risk)’를 극복하고 현재 기업가치 수십 조 원 규모로 성장을 거듭하고 있다. 이 사례는 사용자가 실제로 지갑을 열고 소유하고 싶어 하는 제품 가능성을 증명했다는 점에서 산업에 파급력을 전달했다.
미국 실리콘밸리 소재 스타트업 ‘선데이로보틱스’ 역시 손에 착용하는 데이터 수집 장치인 웨어러블 글러브를 통해 새로운 가능성을 열고 있다. 실제 숙박 공유 환경에서의 인간 행태 데이터를 수집, 시각 정보와 추론 과정을 결합한 롱 태스크(Long task) 행동 모델을 자율적으로 수행해내며 기술의 제품화를 앞당기고 있다는 산업계 시각이다.
휴머노이드의 아킬레스건, ‘시각 의존’과 ‘촉각 부재’
그러나 미디어·소셜네트워크서비스가 보여주는 화려한 로봇 연출 영상과 실전 산업 현장 사이에는 간극이 존재한다. 업계는 각종 영상 속 휴머노이드 로봇은 자율성으로 움직이는 것처럼 묘사되지만, 연구실을 벗어난 실제 상용화 현장에서의 성공률은 여전히 70~80% 선의 장벽에 갇혀 있는 것이 냉정한 현실이다.
실제로 시각 정보 처리와 추론 과정의 병목으로 인해 실제 구동 속도는 느리고, 하드웨어 훈련 도중 코딩 신호 오류로 사용자를 타격할 뻔한 돌발 위험성이 상존한다. 특히 낙상을 방지하기 위해 보상 값을 극대화한 로코모션(Locomotion) 강화학습 모델은 위험성을 갖고 있다는 분석이다. 로봇이 중심을 잃을 때 넘어지지 않으려고 예측 불가능한 고속으로 구동되므로, 안전 울타리(Fence)가 없는 작업자·로봇 공존 환경에서는 치명적인 위해 요소가 된다.
더욱이 현재의 대다수 휴머노이드 폼팩터는 시각 자원에만 극도로 의존할 뿐, 유연한 조작성의 핵심인 촉각 자원이 부재하다. 구동 중 측면 충돌이 발생했을 때 직관적인 센싱 기반으로 이를 감지할 방법이 부족이다.
국내 스타트업 ‘에이딘로보틱스’가 압력·방향성을 동시 측정하는 손끝 촉각 센서를 개발해 멀티모달 접근법을 시도하고 있다. 하지만 기술적 신뢰성·안전성 허들로 인해 일반 가정의 안방에 자율형 가사 로봇이 보급되기까지는 최소 5~10년의 시차가 필요할 것으로 관측된다. 자본·제품이 움직이는 실질적인 대중화 타이밍은 대당 5000~8000만 원 규모의 설비 투자가 가능한 기업 간 거래(B2B) 리테일·오피스 시장이 될 것으로 전망된다.
돌발 상황 제어부터 매장 관리까지 통합하는 로봇 인프라의 미래
실제 일상 공간의 로봇 침투를 선언한 국내 인공지능(AI) 기반 서비스 로봇 기술 업체 ‘엑스와이지’의 행보는 이러한 B2B 시장의 타임라인을 보여준다. 이들은 전국 40여 개 거점에서 30초에 한 잔씩 음료를 제조하는 바리스타 로봇 ‘바리스(Baris)’ 기반 무인 리테일 플랫폼 ‘바리스브루(BarisBrew)’를 통해 로봇 대중화를 노리고 있다.
통합 관리(Orchestration) 노드 제어, 즉 시스템 전체를 총괄 지휘하는 기술을 적용했다. 이를 통해 컵이 쓰러지는 돌발 상황이 생기면 자체 규칙에 따라 즉시 처리 기능을 가동해 쓰레기통에 버린다. 여기에 더해 사용자가 “얼음 추가”처럼 자연어로 작업을 요구하면, 상황을 스스로 판단해 움직이는 VLA 기반 음성 제어 기술도 곧 업데이트될 예정이다.
특히 이들이 최근 공개한 양팔형 서비스 로봇 ‘듀스(DEUX)’는 산업·공장 자동화 전용 로봇과 궤를 달리한다. 사용자의 일상 상호작용에 특화하기 위해 복잡한 구조를 덜어내고, 자유도(DoF)와 액추에이터 개수를 과감히 줄이는 다이어트를 감행했다.
한 팔당 7DoF와 세 손가락 그리퍼(Gripper)를 채택하고, 오작동률이 높은 허리 숙임 관절을 배제한 채 높이 조절과 주행 드라이브를 포함해 총 33개 액추에이터의 31DoF로 폼팩터를 단순화했다는 평가다. 이 로봇은 향후 △새벽 시간 매장 내 가구를 일렬로 정렬하는 ‘가구 정돈’ △재고를 채우는 머천다이징(Merchandising) △바닥 쓰레기를 줍는 작업 등 3대 핵심 일상 태스크(Task)를 훈련받으며 시장 진입을 가속화할 예정이다.
이들은 이 과정에서 시뮬레이션·실환경 간 간극, 즉 ‘시뮬레이션·실환경 간 격차(Sim2Real Gap)’ 해결이 핵심이라고 강조한다. 이를 극복하기 위해 도입한 핵심 방법론은 글러브 기반 데이터 수집 장치와 디지털 트윈(Digital Twin)의 결합이다. 매장 관리자가 특수 글러브를 끼고 빵을 진열대에 정렬하면, 손에 장착된 카메라가 작업자 1인칭 시점인 에고센트릭 뷰(Egocentric View) 영상과 손끝이 받는 압력 데이터를 실시간 수집·저장한다.
이렇게 확보된 데이터는 현실과 동기화된 매장 디지털 트윈 환경으로 입력된다. 이 같은 가상 환경에서 그래픽처리장치(GPU) 인프라를 활용하면 현실 시간 동안 로봇은 디지털 트윈에서 강화학습을 반복 수행할 수 있다.
이 밖에 인간의 다섯 손가락 움직임을 로봇의 세 손가락 집게 구조에 맞추는 최적화 변환과 현장 검증을 거친 학습 모델은 결국 하나의 범용 지능형 시스템으로의 통합을 예고한다. 결과적으로, 판단·동작 분담 제어 기술과 자율 AI, 표준 데이터 규격의 결합은 다양한 로봇을 하나의 인프라로 통합 관리하는 지능형 제어 시스템의 기반이 될 전망이다.
헬로티 최재규 기자 |
