인간 대체할 AI 로봇, 올해 대량생산 터진다
📺 원본 영상: 인간 대체할 AI 로봇, 올해 대량생산 터진다 (한양대학교 로봇공학과 한재권 교수) 🎙️ 채널: 언더스탠딩 : 세상의 모든 지식 📅 정리 일자: 2026-06-01 ⚠️ Note: 본 리포트는 영상의 음성을 텍스트로 변환(STT)하여 정리한 것입니다. 화면에 표시된 자료(차트, 영상 클립, 슬라이드 등)는 포함되지 않을 수 있습니다.
개요
휴머노이드 로봇 산업은 오랫동안 “누구의 기술이 더 좋은가”를 겨루는 경진대회의 성격을 벗어나지 못했다. 그러나 한양대학교 로봇공학과 한재권 교수는 이 게임의 스테이지가 완전히 바뀌었다고 진단한다. 이제 핵심 질문은 “얼마나 잘 만드냐, 얼마나 싸게, 얼마나 대량으로 만드냐”로 이동했다는 것이다. 이 강연은 Figure AI의 창고 로봇 시연, Tesla Optimus의 양산 준비, Boston Dynamics Atlas의 공개, 그리고 한재권 교수 본인이 이끄는 로봇 스타트업의 현장 경험을 바탕으로, 피지컬 AI(Physical AI) 시대의 본게임이 어떤 모습인지를 구체적으로 그려낸다.
쇼케이스에서 생산으로: 패러다임의 전환
지금까지 로봇 업계에 익숙했던 풍경은 화려한 무대 시연이었다. 기업들은 로봇이 공중제비를 넘고, 계단을 오르고, 춤을 추는 영상을 공개하며 기술력을 과시했다. 그러나 한재권 교수는 이 단계가 이미 ‘클리어’됐다고 말한다. 기술력 자체를 증명하는 시기는 끝났고, 이제 산업은 다음 질문으로 넘어갔다는 것이다. 얼마나 잘 만들 수 있는가, 얼마나 싸게 만들 수 있는가, 그리고 그것을 대규모로 지속할 수 있는가.
이 전환이 의미심장한 이유는 선순환 구조와 직결되기 때문이다. 대량 생산은 단가를 낮추고, 단가가 낮아지면 수요가 늘어나고, 수요가 늘어나면 다시 생산 규모를 키울 이유가 생긴다. 문제는 이 선순환을 최초로 돌리는 일이 닭이 먼저냐 달걀이 먼저냐의 딜레마를 닮았다는 점이다. 누군가 먼저 ‘수지타산이 맞지 않더라도 대량으로 찍어내는’ 결단을 내려야 한다. 한재권 교수는 바로 그 결단을 내리는 플레이어들이 지금 이 시점에 등장하고 있다고 강조했다.
Figure AI와 헬릭스(Helix): 물류 현장을 점령하다
한재권 교수가 이 강연에서 가장 먼저 보여준 것은 Figure AI의 3세대 로봇이 실제 물류 창고에서 일하는 영상이다.
💡 [영상 참조] 강연자는 이 시점에서 Figure AI 3세대 로봇이 택배 상자의 바코드 라벨을 뒤집어 스캐너에 읽히는 장면의 라이브 스트리밍 영상을 재생하며 설명합니다. 📺 원본 영상에서 확인하세요.
이 로봇이 하는 일은 간단하다. 컨베이어 벨트 위로 올라오는 다양한 택배 상자 중, 바코드 라벨이 위를 향한 것은 그대로 통과시키고, 반대로 뒤집혀 있는 것은 손으로 돌려서 아래의 스캐너에 인식시키는 작업이다. 단순해 보이지만 이것은 기존 산업용 로봇이 절대 할 수 없던 일이었다. 별별 크기와 형태의 소포가 쏟아지는 비정형 환경에서 로봇이 상황을 파악하고 즉각 대응하는 것, 이것이 바로 피지컬 AI(Physical AI)의 핵심이다.
05:22 - Figure AI 3세대 로봇이 택배 컨베이어 벨트에서 바코드 라벨을 뒤집어 스캐너에 인식시키는 작업 장면
더 놀라운 것은 이 시연의 방식이었다. Figure AI는 이 작업을 라이브 스트리밍으로 중계했고, 화면 하단에는 누적 작업 시간이 표시되었다. 강연 시점 기준으로 로봇은 이미 192시간째 작업을 이어가고 있었으며, 8시간마다 교대하는 방식으로 총 200시간 이상을 가동했다. 배터리 충전 외에 어떤 휴식도 없이 24시간 돌아가는 구조다. 이 로봇과 인간 작업자의 처리량을 직접 비교했더니, 순간 속도는 인간이 약 1% 앞섰다. 그러나 인간은 식사와 화장실, 휴식이 필요하기 때문에 8시간 단위 전체 성과를 비교하면 결과는 거의 비슷해졌다. 이것이 의미하는 바는 명확했다. 한재권 교수의 표현을 빌리면 “얘가 이제 좀 일 좀 하네, 밥값 좀 하겠네”라는 인식이 수요자들 사이에 퍼지기 시작했다는 것이다.
07:43 - 로봇이 23만 9천 개 이상 택배를 처리 중인 수치와 함께 사람과의 작업량 비교 장면
Figure AI가 이 수준에 도달하기까지 투입된 기간은 학습에만 약 1년이었다. 그 기반은 자체 개발한 AI 시스템 ‘헬릭스(Helix)‘다. Figure AI는 초기 OpenAI와 협력 관계를 맺었다가 갈라섰는데, 그 과정에서 축적된 인력과 기술 DNA는 고스란히 남았다. 헬릭스의 설계가 특히 주목받는 이유는 인간의 신경 체계를 본따 두 가지 처리 레이어로 나뉘어 있기 때문이다. 반사적이고 빠른 운동 신경 담당 레이어와, 깊이 생각하는 전두엽형 고차원 추론 레이어가 서로 다른 속도로 병렬 구동된다. 물건을 집어 돌리는 즉각적 동작은 빠른 레이어가, 상황 전체를 파악하고 전략을 세우는 것은 느린 레이어가 맡는다. 한재권 교수는 이를 두고 “처음부터 아키텍처를 너무 잘 설계했다”고 평가했다.
09:08 - Figure AI의 헬릭스(Helix) AI 시스템의 이중 신경망 구조(운동 레이어 + 사고 레이어) 설명 장면
피지컬 AI의 본질: 데이터 품질이 곧 로봇의 실력이다
한재권 교수는 피지컬 AI를 이해하는 핵심 열쇠로 데이터 품질 문제를 꺼냈다. 로봇에게 어떤 동작을 학습시키는 구조는 대형 언어 모델(LLM)과 본질적으로 같다. 텍스트 대신 모터 신호와 움직임 데이터를 입력한다는 점만 다를 뿐이다. 그렇다면 LLM에서 학습 데이터의 품질이 결과에 결정적 영향을 미치듯, 피지컬 AI에서도 어떤 움직임 데이터를 학습하느냐가 로봇의 실력을 가른다는 논리가 성립한다.
여기서 한재권 교수는 흥미로운 비유를 제시한다. Claude(클로드)가 OpenAI나 Google의 Gemini(제미나이)보다 양적으로는 적은 데이터를 학습했음에도 일정 분야에서 더 뛰어난 결과를 보이는 것은, 인터넷에 무차별적으로 산재한 저품질 텍스트 대신 도서관의 양서를 중심으로 학습했기 때문이라는 분석이다. 그 원리가 피지컬 AI에도 그대로 적용된다는 것이 그의 주장이다. 평범한 작업자의 동작 데이터를 수십만 건 학습시키는 것보다, 30년 경력의 장인이 보여주는 최적화된 동작 데이터를 소량이라도 학습시키는 것이 로봇의 실력을 비약적으로 끌어올릴 수 있다.
물론 이것이 데이터의 양을 무시해도 된다는 뜻은 아니다. 예상치 못한 변수들, 즉 상자가 이상한 각도로 날아오거나 무게 중심이 갑자기 달라지는 상황에 대응하는 능력은 풍부한 다양성의 데이터에서 나온다. 그러나 이 다양성을 확보하는 방법으로 한재권 교수는 ‘시뮬레이션’을 제안한다. NVIDIA가 제공하는 아이작 시뮬레이터(Isaac Simulator) 같은 환경에서 온갖 상황을 가상으로 만들어 학습시키는 방식이다. 다만 시뮬레이션의 출발점, 즉 로봇이 ‘어떻게 걷고 어떻게 물건을 다루기 시작해야 하는지’에 대한 레퍼런스 데이터만큼은 사람이 정성 들여 만들어줘야 한다. 시작점이 좋아야 시뮬레이션으로 증폭된 데이터 전체의 품질이 높아지기 때문이다.
이 논리의 결론은 강력하다. 결국 일을 잘하는 사람이 많은 나라, 손재주가 뛰어난 장인이 많은 제조업 강국이 피지컬 AI 개발에서도 유리한 위치를 점하게 된다는 것이다.
대량 생산의 경제학: 액추에이터가 모든 것을 결정한다
로봇의 가격을 낮추는 것이 시장 폭발의 전제 조건이라면, 그 가격을 결정하는 핵심 부품은 무엇인가. 한재권 교수는 주저 없이 액추에이터(actuator, 구동기)를 꼽았다. 로봇의 원가에서 절대적인 비중을 차지하는 이 부품은 인간의 관절에 해당하는 것으로, 손을 제외한 기본 휴머노이드에만 약 30개 이상이 들어간다.
문제는 가격이다. 시장에서 유통되는 고성능 액추에이터 하나의 가격이 약 200만 원 수준이라면, 30개를 탑재하면 액추에이터 비용만 6,000만 원에 달한다. 여기에 센서, 배터리, AI 컴퓨팅 유닛 등을 더하면 완성 로봇의 원가가 어떻게 될지는 자명하다. 한재권 교수는 Figure AI의 현재 판매가가 대략 1억 5,000만 원을 넘을 것으로 추정했다. 이 가격은 로봇을 단순 노무 작업에 투입했을 때 적정 수준의 투자회수 기간(ROI)을 기대하기 어려운 수준이다.
중국의 UBTECH(유비텍) 같은 기업은 처음부터 “생산력과 공급망 우리가 최고”를 전략의 핵심으로 내세워, 미국 대비 절반에서 3분의 1 수준의 가격을 목표로 달리고 있다. 그러나 중국도 아직 명확한 수요처를 확보하는 데 어려움을 겪고 있다는 것이 한재권 교수의 진단이다. 이유는 단순하다. 중국 내 인건비가 아직은 로봇보다 싸기 때문이다. 반면 미국은 높은 인건비 덕분에 로봇 도입의 경제적 동기가 훨씬 강하다.
14:09 - 중국 UBTECH 등 휴머노이드 로봇 대량 생산 영상 — 수십 대가 동시에 움직이는 장면
따라서 액추에이터 가격을 낮추는 문제는 로봇 가격 문제와 동의어다. 싸면서도 힘이 좋고 내구성이 뛰어난 액추에이터를 누가 먼저 개발하느냐, 이것이 가격 경쟁에서의 게임을 결정할 것이라고 그는 강조했다.
글로벌 경쟁 구도: 선언, 숨기기, 그리고 서두르기
현재 시장에서 가장 주목받는 플레이어들의 전략은 각기 다른 색깔을 갖고 있다.
Figure AI는 가장 공격적인 공개 전략을 택했다. 자체 생산 공장을 영상으로 공개하고, 수직계열화 완성 사실을 대외적으로 선언했다. 연간 수천 대 생산 능력을 확보했음을 영상을 통해 시사하며, “우리 원가 굉장히 낮을걸?”이라는 메시지를 업계 전문가들에게 전달하고 있다. 한재권 교수는 Figure AI의 피지컬 AI 성능이 운동 능력으로 유명한 Boston Dynamics보다 오히려 AI 성능 면에서 앞선다고 평가했다.
12:00 - Figure AI 공장에서 완성된 로봇들이 나란히 세워진 대량 생산 현황 장면
Boston Dynamics의 Atlas는 양산형 버전을 공개하면서 대량 생산 체제 전환 준비를 알렸다. 양산형 모델은 연구용과 달리 모듈화를 강화하고 공통 부품 사용을 늘려 생산 효율을 높였다. 특히 현대자동차의 1차·2차 협력사 부품들이 Atlas에 들어갈 가능성이 높다는 점에서, 자동차 부품 공급망과 로봇 부품 공급망이 겹치는 지점이 한국 기업들에게 기회가 될 수 있다.
Tesla의 Optimus는 가장 조용하지만 가장 무서운 플레이어다. Elon Musk는 사내 스피치에서 이미 공장 셋업 현황을 공개했고, 지금까지 외부에 알려진 Optimus와 다른 양산형 모델의 존재가 확인됐다. 더 주목할 것은 데이터 수집 방식으로, 한재권 교수가 입수한 정보에 따르면 Tesla는 ‘보는 것’으로 학습하는 방식, 즉 비전 처리(vision processing)를 핵심 데이터 수집 방법으로 삼고 있다는 것이다. Tesla가 자율주행 Autopilot을 개발하며 쌓아온 비전 처리 역량이 그대로 Optimus에 전수되고 있는 셈이다. 한재권 교수는 “테슬라가 꽁꽁 숨기면서 있지만 안 알려줄 거야 하는 게 더 무섭다”고 표현했다.
중국 전체는 정부 주도 투자를 바탕으로 이미 수년 전부터 생산력에서 미국을 앞서는 상황이다. 그러나 아직 수요처 확보가 과제로 남아있다.
데이터 수집 전쟁: 아직 공개되지 않은 핵심 경쟁력
한재권 교수는 현재 휴머노이드 로봇 기업들이 가장 비밀스럽게 지키는 것이 바로 ‘데이터 수집 방법론’이라고 밝혔다. 어떤 센서를 어디에 어떻게 붙여서 인간의 동작 데이터를 추출할 것인가, 이 노하우가 지금 단계에서는 결정적인 기술 격차의 원천이 되기 때문이다.
기존의 가장 직관적인 방법은 숙련 작업자의 몸에 센서를 부착해 그 동작을 직접 캡처하는 방식이다. 그러나 이 방법에는 현실적인 한계가 있다. 실제 현장에서 작업자들은 센서를 달고 일하는 것을 귀찮아하고, 평소와 다른 몸의 감각에 동작 자체가 어색해진다. 한재권 교수는 이 방법의 한계가 명확하다는 것을 직접 시도해보며 확인했다고 말했다.
대안으로 주목받는 것이 시각 정보(비전) 기반 학습이다. 마치 CCTV를 설치해놓고 숙련자의 작업을 관찰하듯, 로봇이 영상을 보고 동작을 추론하는 방식이다. 직관적으로 매력적이지만 기술적 난관이 있다. 2차원 영상에서 3차원 동작 데이터를 정밀하게 역산해내야 하고, 3인칭 시점의 영상을 1인칭 로봇의 동작 데이터로 변환해야 하는 이중의 트랜스포메이션(transformation) 문제가 있기 때문이다. 관절 각도의 오차가 누적되면 로봇의 실제 동작과 학습 목표 사이에 큰 괴리가 생긴다.
한재권 교수 본인이 이끄는 에이로봇(AiRobot)이 찾은 방법은 1인칭 시점 카메라를 활용한 접근이다. 로봇이 자신의 눈으로 보는 것과 같은 시점에서 데이터를 수집하면 변환 과정의 오차를 줄일 수 있다는 논리다. 다만 이 방법 역시 완전히 해결된 것은 아니며, 각 기업이 각자의 방식을 조용히 개발하는 중이다. 그는 이 분야의 기술 격차가 몇 년이 아닌 몇 달 안에 결정될 것이라고 강조했다.
30:31 - 에이로봇(AiRobot)이 CES에서 시연한 자율 작업 데모 — 물건을 집어 옮기는 반복 작업 장면
한국의 전략적 기회: 두 가지 축
한재권 교수는 한국이 이 로봇 대전환의 시기에 놀랍도록 유리한 위치에 있다고 주장한다.
첫 번째 축은 **공급망(Supply Chain)**이다. 휴머노이드 로봇에 필요한 핵심 부품들, 즉 액추에이터에 필요한 모터, 전동기, 감속기, 배터리, 반도체, 센서 등이 한국의 기존 제조업 생태계 안에 이미 존재한다. 전기차용 배터리와 모터를 만드는 기업들의 기술력이 휴머노이드 로봇 부품과 상당 부분 겹친다. 현대자동차 협력사들의 변속기, 모터, 전장 부품은 조금만 방향을 틀면 액추에이터가 된다. 제조업이 무너진 미국이나 유럽과 달리, 한국은 로봇 부품의 내재화 공급망을 구축할 실제적 기반이 있다는 것이다.
두 번째 축은 데이터다. 한국은 반도체, 자동차, 조선, 전자, 식품 등 다양한 제조업 분야에 세계 최고 수준의 장인과 숙련 작업자를 보유하고 있다. 손재주가 뛰어난 한국 작업자들의 동작 데이터는 로봇 피지컬 AI를 학습시키는 고품질 데이터의 보고다. 그러나 한재권 교수는 시간을 강조했다. 이 장인들이 지금 은퇴 연령에 접어들고 있기 때문이다. 젊은 인력이 공장 현장을 기피하는 현실에서, 장인들은 인간 제자 대신 로봇을 수제자로 삼아 기술을 전수할 기회를 가질 수 있다. 한재권 교수는 이렇게 축적된 데이터가 향후 사고팔 수 있는 자산이 될 것이라고 전망했다. 마치 프로 골퍼나 바이올리니스트가 레슨을 팔듯, 장인이 자신의 동작 데이터를 로봇 기업에 판매하는 새로운 직업 형태도 등장할 것이라는 예측이다.
한재권 교수는 두 가지를 명확히 요청했다. 하나는 배터리, 반도체, 액추에이터 부품 제조 기업들이 휴머노이드 로봇 공급망이라는 미래 시장을 바라보며 지금 투자 결단을 내려야 한다는 것이고, 다른 하나는 은퇴하기 전 명장들의 기술 데이터를 디지털화하는 국가적 사업이 필요하다는 것이다.
지금 단계의 현실적 평가
한재권 교수는 과도한 기대에도 경계를 게을리하지 않았다. 현재 휴머노이드 로봇의 수준은 자율주행의 레벨 분류처럼 낮은 레벨에 해당한다. 정리하고, 나르고, 검사하고, 분류하는 수준의 작업은 지금 당장 공장 투입이 가능하다. 그러나 로봇 혼자 모든 것을 처리하게 하는 단계는 절대 아니다. 현재 가장 현실적인 활용 방식은 인간과 로봇의 협업이다. 두 사람이 하던 일을 로봇 한 대와 사람 한 명이 나눠 하는 구조, 이것이 현재 단계의 적정한 기대값이다.
44:16 - 생산 병목(bottleneck) vs AI 병목 비교 논의 — 현재 단계 진단 장면
그는 에이로봇이 수개월 내에 10개 공장에 로봇을 투입할 계획이라고 밝혔다. 그런데 흥미롭게도 이 10개 공장을 선정하는 기준이 단순히 계약 금액이 아니다. 각 공장이 서로 다른 산업 섹터에 속하도록 의도적으로 다양성을 설계한다는 것이다. 이유는 물론 데이터다. 다양한 환경에서 축적되는 다양한 작업 데이터가 곧 에이로봇의 미래 경쟁력이 되기 때문이다. 그는 공장 사장님들이 이 이야기를 듣지 않았으면 한다고 농담처럼 말했지만, 그 안에는 데이터 주권과 데이터 거래라는 새로운 비즈니스의 논리가 담겨 있었다.
마무리: 레이스가 지금 시작됐다
ChatGPT가 등장했을 때를 떠올려보자. 사람들은 한동안 “그래도 멀었네”라며 반응했다가, 어느 순간 갑자기 모두가 사용하기 시작했다. 한재권 교수는 지금 피지컬 AI와 휴머노이드 로봇 산업이 그 ChatGPT의 티핑 포인트(Tipping Point)를 막 지나고 있다고 진단했다. Jensen Huang(젠슨 황)이 2025년 1월 CES에서 “휴머노이드 로봇의 ChatGPT 순간이 다가온다”고 선언한 지 1년, 그 예언이 지금 현실이 되어가고 있다는 것이다.
산업의 역학 구조는 두 가지 핵심 축, 즉 고품질 데이터 확보 능력과 대량 생산 체계를 중심으로 재편되고 있다. 어느 기업이 이 두 가지를 먼저 갖추느냐가 향후 10년의 로봇 시장을 가를 것이다. 그리고 한국은 지금 이 시점에 두 축 모두에서 경쟁할 수 있는 위치에 있다. 장인의 데이터와 제조업 공급망이라는 자산이 그것이다. 한재권 교수는 “2020년대 후반이 그 시작점”이라며, 지금이 바로 본게임의 시작이라는 말로 강연을 마쳤다.
📚 출처 및 참고
| 구분 | 내용 |
|---|---|
| 원본 영상 | 인간 대체할 AI 로봇, 올해 대량생산 터진다 |
| 채널 | 언더스탠딩 : 세상의 모든 지식 |
| 강연자 | 한재권 교수 (한양대학교 로봇공학과) |
| 리포트 작성 | 2026-06-01 |
| 작성 방식 | YouTube 영상 STT 변환 후 에디팅 |
💬 본 리포트는 영상 내용을 바탕으로 재구성되었습니다. 정확한 내용은 원본 영상을 참조해 주세요.