피지컬 AI와 휴머노이드 로봇은 더 이상 “춤추는 로봇”의 문제가 아닙니다. EBS 〈취미는 과학〉에서 한재권 한양대 교수는 로봇이 왜 산업 현장으로 들어가고 있는지, 그리고 한국 제조업이 왜 이 경쟁에서 기회를 가질 수 있는지 설명했습니다. 핵심은 로봇의 모양보다 데이터입니다. 어떤 일을 보고, 어떻게 배우고, 어디서 반복해 볼 수 있는지가 휴머노이드의 실력을 결정합니다.
휴머노이드의 본질은 쇼가 아니라 일입니다
영상의 초반은 중국 휴머노이드 시연과 현대자동차·보스턴다이내믹스의 아틀라스 사례를 비교합니다. 사람처럼 움직이고 춤추는 장면은 눈길을 끌지만, 산업적으로 중요한 질문은 다릅니다. “그래서 무엇을 할 수 있는가?”입니다.
한재권 교수는 로봇의 본질을 “일하는 존재”로 봅니다. 물건을 들고, 방향을 바꾸고, 위험한 현장에 들어가고, 사람이 하기 힘든 작업을 대신할 수 있을 때 휴머노이드는 쇼를 넘어 산업 기술이 됩니다.
후쿠시마와 DARPA 챌린지가 남긴 기술의 씨앗
휴머노이드 발전의 중요한 배경으로 영상은 후쿠시마 원전 사고를 언급합니다. 위험한 현장에 사람이 들어가야 했고, 로봇을 투입하려는 시도는 충분히 성공하지 못했습니다. 이후 미국 DARPA Robotics Challenge는 재난 상황을 상정해 로봇이 직접 들어가 여러 임무를 수행하도록 경쟁을 열었습니다.
이 대회는 단순한 이벤트가 아니었습니다. 현재 유명한 휴머노이드 개발자와 기업 상당수가 이 흐름에서 기술적 기반을 쌓았습니다. 자율주행이 DARPA 챌린지 이후 10~20년에 걸쳐 현실화된 것처럼, 휴머노이드도 재난 로봇 연구의 축적 위에서 산업 현장으로 이동하고 있습니다.
ROS는 로봇 생태계의 공통 언어가 됐습니다
로봇 발전에서 또 하나 중요한 전환점은 ROS, 즉 Robot Operating System입니다. 한 팀이 모든 것을 처음부터 만드는 방식으로는 속도가 나지 않습니다. ROS는 전 세계 개발자가 소프트웨어와 부품을 공유하고, 서로 다른 하드웨어에서도 코드를 재사용할 수 있게 만든 기반입니다.
이 호환성은 로봇 개발 속도를 크게 끌어올렸습니다. 부품 회사도 ROS에서 돌아가는 부품을 만들고, 개발자는 이미 검증된 모듈을 가져와 쓸 수 있습니다. 로봇 산업이 빠르게 커지려면 하드웨어만큼 생태계와 표준이 중요하다는 뜻입니다.
피지컬 AI는 보고, 이해하고, 행동하는 AI입니다
ChatGPT 이후 인공지능은 로봇에도 본격적으로 결합되기 시작했습니다. 영상에서는 VLA라는 흐름을 설명합니다. Vision, Language, Action입니다. 로봇이 보고, 언어로 상황을 이해하고, 행동으로 출력하는 구조입니다. 이것을 더 넓게 말하면 피지컬 AI입니다.
기존 로봇은 사람이 모든 동작을 코딩해야 했습니다. 이제는 인간이 움직이는 장면을 보고, 시뮬레이션에서 반복하고, 실패와 성공을 통해 행동을 학습하는 방향으로 이동하고 있습니다. AI가 화면 속 답을 만드는 단계를 넘어 현실 세계에서 물체를 잡고, 옮기고, 협업하는 단계로 가는 것입니다.
로봇은 어떻게 일을 배우나
한재권 교수는 로봇 학습을 모방학습과 데이터의 관점에서 설명합니다. 사람이 VR 기기나 보조 장비를 통해 동작을 보여주면, 로봇은 그때의 모터 신호와 상황을 기록합니다. 이 기록이 원시 데이터가 됩니다.
하지만 몇 번의 시범만으로는 충분하지 않습니다. 로봇은 수많은 반복이 필요합니다. 그래서 시뮬레이터 안에서 상황을 바꾸고, 데이터를 증강하고, 강화학습으로 실패와 성공을 반복합니다. 현실에서 10만 번 시도하기 어려운 일을 컴퓨터 안에서는 훨씬 빠르게 반복할 수 있습니다.
결국 핵심은 “좋은 데이터”입니다. 단순히 성공한 사례가 아니라, 얼마나 정교하고 다양한 상황에서 성공한 데이터인지가 로봇의 일머리를 결정합니다.
한국 제조업이 기회가 되는 이유
피지컬 AI 경쟁에서 테슬라, 구글, 엔비디아, 현대차, 중국 기업들이 각자의 축을 만들고 있습니다. 테슬라는 공장, 로봇, AI 모델, 데이터까지 수직 통합한 강점을 갖고 있습니다. 현대차는 보스턴다이내믹스의 하드웨어와 구글 딥마인드의 AI를 결합하는 방향으로 주목받고 있습니다.
그렇다면 한국의 기회는 어디에 있을까요? 영상은 제조업 데이터에 주목합니다. 한국은 조선, 반도체, 자동차, 철강, 방산 등 다양한 산업 현장을 갖고 있습니다. 피지컬 AI가 실제 일을 배우려면 다양한 작업 환경과 고품질 현장 데이터가 필요합니다. 이 점에서 한국 제조업은 단순한 생산 기지가 아니라 로봇 학습의 실험장이 될 수 있습니다.
일자리를 빼앗는가, 비어 있는 일을 채우는가
휴머노이드가 일자리를 빼앗을 것이라는 걱정은 당연합니다. 그러나 영상에서 한재권 교수는 산업 현장의 현실도 함께 봐야 한다고 말합니다. 위험하고 힘든 일, 인력이 부족한 현장에서는 “로봇이 오지 말라”보다 “빨리 와 달라”는 수요가 크다는 것입니다.
물론 장기적으로 노동의 의미는 바뀔 수 있습니다. 하지만 출발점은 사람이 하기 위험하거나 너무 힘든 일, 또는 인력 부족으로 유지가 어려운 현장일 가능성이 큽니다. 그래서 휴머노이드 도입은 일자리 대체만이 아니라 산업 유지, 안전, 생산성, 새로운 직무 전환까지 함께 논의해야 합니다.
눈치와 일머리, 한국형 로봇의 흥미로운 과제
영상에서 특히 흥미로운 표현은 “눈치”와 “일머리”입니다. 사람과 함께 일하는 로봇은 단순히 동작만 정확해서는 부족합니다. 지금 상황이 어떤지, 옆 사람이 무엇을 필요로 하는지, 언제 기다리고 언제 도와야 하는지를 파악해야 합니다.
이것은 기술적으로는 매우 어려운 문제입니다. 하지만 한국 제조업과 조직 문화에는 현장에서 일머리를 배우고 맞춰 가는 강한 경험이 있습니다. 피지컬 AI가 진짜 현장형 기술이 되려면, 이런 암묵지와 맥락 데이터를 어떻게 모델에 반영할 것인가가 중요한 과제가 됩니다.
안전은 산업 현장에서 먼저 검증되어야 합니다
휴머노이드가 인간과 가까이 움직일수록 안전 문제는 더 중요해집니다. 버그, 오작동, 센서 오류, 예측하지 못한 행동은 가정이나 병원, 학교보다 산업 현장에서 먼저 통제된 방식으로 검증되어야 합니다. 공장은 임무와 동선, 위험 구역을 상대적으로 설계하기 쉽습니다.
그래서 휴머노이드의 현실적인 진입 순서는 가정용 친구 로봇보다 산업용 협업 로봇에 가까울 가능성이 큽니다. 위험한 현장에서 배우고, 안전성을 높이고, 그다음 인간과 더 밀접한 공간으로 이동하는 것이 자연스러운 순서입니다.
함께 읽으면 좋은 글
- AI 에이전트와 피지컬 AI, 이제 ‘행동하는 AI’가 온다
- AI 세대 교육, 조너선 하이트가 한국에 던진 경고
- AI 시대, 프롬프트보다 먼저 배워야 할 것은 ‘나의 언어’다
- AI를 쓸수록 똑똑해지는 사람의 6가지 습관
참고자료
FAQ
피지컬 AI는 일반 생성형 AI와 무엇이 다른가요?
생성형 AI가 주로 텍스트, 이미지, 코드 같은 디지털 결과물을 만든다면 피지컬 AI는 현실 세계에서 보고, 판단하고, 움직이는 AI를 뜻합니다. 로봇 팔이나 휴머노이드가 물체를 잡고 이동하는 행동까지 포함합니다.
휴머노이드 로봇은 왜 사람 모양이어야 하나요?
사람이 만든 공간과 도구가 인간 신체를 기준으로 설계되어 있기 때문입니다. 문, 계단, 손잡이, 공구, 작업대가 사람에게 맞춰져 있으므로 다양한 작업을 한 대의 로봇이 수행하려면 인간형 구조가 유리한 경우가 있습니다.
한국 제조업은 왜 피지컬 AI에 유리할 수 있나요?
한국은 조선, 자동차, 반도체, 철강 등 다양한 제조업 현장을 갖고 있습니다. 피지컬 AI는 실제 작업 데이터가 중요하므로 다양한 산업 현장과 고품질 작업 데이터는 큰 자산이 될 수 있습니다.
휴머노이드가 일자리를 모두 대체할까요?
단기간에 모든 일을 대체한다고 보기는 어렵습니다. 우선은 사람이 부족하거나 위험하고 힘든 작업부터 투입될 가능성이 큽니다. 다만 장기적으로 직무 구조와 노동의 의미가 바뀔 수 있으므로 전환 교육과 안전 규칙이 함께 필요합니다.
가정용 휴머노이드 로봇은 곧 보급될까요?
아직은 산업 현장에서 먼저 검증될 가능성이 큽니다. 가정은 예측하기 어려운 상황이 많고 사람과 밀접하게 부딪히기 때문에 안전성과 신뢰성이 훨씬 더 높은 수준으로 확보되어야 합니다.