로봇공학에는 데이터 문제가 있는 것이 아니라, 인터페이스 문제가 있다.

9월 15일부터 18일 사이에, 세 가지 사건이 발생했는데, 이 세 가지는 함께 살펴봐야만 그 의미를 제대로 이해할 수 있습니다. 스피릿 AI(Spirit AI)의 공동 창업자는 언론을 통해 로봇 두뇌가 2027년 중반까지 “GPT-3.0의 순간”을 맞이할 것이라고 밝혔습니다. 현대자동차의 글로벌 연구개발 총괄 책임자는 산호세에서 엔지니어들이 모인 자리에서 중국 경쟁사들이 자사보다 “훨씬 더 빠르게 움직이고 있다”고 공식적으로 인정했다. 또한 현대의 자체 연구 기관인 RAI 연구소가 개발한 양손 로봇이 야구공을 잡는 것을 주요 성과로 내세운 논문을 발표했다.

이 세 가지 사건 중 어느 것도 로봇의 지능 자체에 관한 것은 아닙니다. 이 세 가지 모두 지능이 실제로 작동하기 전에 아직 구축되어야 할 요소들에 관한 것입니다.

업계에서는 계속해서 데이터 문제를 언급하고 있다. 이번 달에 발표된 논문들은 인터페이스 문제를 다루고 있는데, 이는 해결해야 할 과제로서 데이터 문제와는 별개이며, 더 초기 단계에 속하고 해결하기 훨씬 더 까다로운 문제다.

스피릿 AI가 실제로 밝히고 있는 것

스피릿 AI의 제안은 충분히 구체적이어서 주목할 만하다. 이 회사의 공동 창립자이자 수석 과학자인 가오 양(Gao Yang)은 로봇 뇌를 “로봇 공학 전체 스택에서 확실히 가장 취약한 고리”라고 부르며, 그 격차를 해소하기 위한 구체적인 기한을 제시했다: 2027년 중반까지 “GPT-3.0 단계”를 달성하겠다는 것인데, 이때쯤이면 로봇이 개방형 음성 지시를 받아 낯선 물리적 작업을 완수할 수 있을 것으로 그는 기대하고 있다. 스피릿 AI는 2024년 1월 설립 이후 6억 7천만 달러 이상을 조달하여 기업 가치가 200억 위안(약 29억 달러)에 육박했으며, 현재 이 회사의 바퀴 달린 휴머노이드 ‘Moz1’은 실험실이 아닌 CATL의 배터리 공장과 JD.com의 물류 현장에서 체계적인 교대 근무를 수행하고 있다.

주목해야 할 숫자는 2027년이라는 시한이 아니다. 바로 스피릿 AI가 전국적으로 운영하며, 로봇의 물리적 상호작용 데이터를 처리·수정·라벨링하기 위해 고용한 약 1,000명의 계약직 직원과 300명의 정규직 직원이다. 배치된 수십 대의 Moz1 유닛에 비해, 이는 로봇 함대 규모보다 한 차원 더 큰 규모의 인간 데이터 운영 팀을 의미합니다.

지지한다. 가오(Gao) 자신의 설명에서도 이 점을 인정하고 있다. 중국 휴머노이드 공급망 전반에서 하드웨어는 이미 상품화되었지만, 모델에 필요한 라벨이 붙은 상호작용 데이터는 여전히 희소한 자원이며, 이 데이터를 얻기 위해서는 사람이 로봇이 시도하는 거의 모든 행동을 지켜보고, 수정하고, 다시 기록해야 한다.

이는 스피릿 AI에 대한 비판이 아니다. 이 회사는 경쟁사 대부분보다 이 비율에 대해 훨씬 솔직하게 밝히고 있다. 이는 2026년의 휴머노이드 지능이 실제로 어디에서 비롯되는지에 대한 사실일 뿐이다. 로봇이 스스로 일반화하는 것이 아니라, 로봇 군단이 성장했음에도 불구하고 아직 규모가 줄어들지 않은 상주 인간 운영 팀에서 비롯된다는 것이다.

누구도 투자 라운드의 주축으로 삼지 않는 논문들

바로 이 점에서 이번 달의 연구 의제가 더 솔직한 공개가 됩니다. 마테이 치오카를리(Matei Ciocarlie)가 이끄는 컬럼비아 대학교 연구실은 9월 16일, 로봇의 뇌가 아닌 원격 조작 인터페이스인 ‘DITTO’를 발표했습니다. 이 논문은 실제로 해결되지 않은 문제를 명료하게 제시한다. 기존 데이터 수집 방식은 “원격 조작은 배치 일관성을 보장하지만 힘 피드백이 부족한 반면, 휴대형(실제 환경) 시스템은 자연스러운 힘의 투명성을 제공하지만 배치 시 시각적 구현 격차를 초래한다”는 상충 관계를 강요한다는 것이다. DITTO는 7자유도 로봇 손과 조작자 본인의 손 형상에 맞춰 제작된 전동 외골격을 결합하여, 이 두 가지를 모두 포착하는 한 가지 유형의 데이터를 수집하는 것을 목표로 한다.

그보다 이틀 전, 현대자동차가 자금을 지원한 연구 기관인 RAI 연구소(2022년 마크 라이버트가 현대자동차와 보스턴 다이내믹스로부터 4억 달러 이상을 지원받아 설립) 소속 엔지니어들은 ‘아테나제로(AthenaZero)’를 공개했다. 이 프로젝트의 가장 큰 성과는 자율적 추론이 아니다. 바로 관성이다. 22개의 액추에이터를 갖춘, 인간의 질량과 동일한 양손 조작 체는 준직접 구동 방식을 통해 인간 팔만큼 빠르고 유연하게 움직이도록 설계되었으며, 기존 산업용 매니퓰레이터의 유효 질량의 약 10분의 1 수준이다. 이 로봇은 공을 주고받는 시연을 통해 이러한 능력을 입증했다. 이 로봇은 시속 약 69마일의 속도로 공을 던졌으며

연구팀에 따르면, 이는 인간형 로봇이 기록한 가장 빠른 투구 속도로, 시속 41마일의 공을 24피트 거리에서 잡아냈으며, 33개의 투구 중 27개에서 배트와 접촉하는 성과를 거두었다. 이는 인지적 능력이 아닌 기계적 성과이며, 연구진 스스로도 이를 그렇게 규정하고 있다.

9월 18일에 게시된 세 번째 논문인 ‘ULOHA’는 상업적 자금 조달 압박이 거의 없는 로봇 공학의 한 분야인 수중 조작 영역으로 동일한 패턴을 확장한다. 이 논문의 저자들은 양손 모방 학습이 “주로 공기 중에서 연구되어 왔다”고 지적하며, 그들의 기여는 바로 그 ‘인간 개입형(human-in-the-loop)’ 제어를 수중 환경으로 가져오기 위해 제작된 맞춤형 리더-팔로워 원격 조작 하드웨어라고 설명한다. 세 편의 논문, 서로 관련 없는 세 연구실, 그리고 하나의 공통된 발견: 이번 주 현재, 발표된 로봇공학 연구의 최전선은 여전히 로봇이 스스로 작동하는 더 나은 방법이 아니라, 사람이 정교한 로봇을 조작할 수 있는 더 나은 방법을 구축하는 데 있다.

원격 조종이 ‘과도기’일 뿐 ‘최종 목적지’가 아니어야 했던 이유

업계의 일반적인 관점은 원격 조종을 ‘비계’로 간주한다. 즉, 진정한 자율성을 향한 과정에서 훈련 데이터를 수집하기 위한 일시적인 수단이라는 것이다. 이는 Figure AI가 이미 1,600만 건의 기여자 동영상을 기록한 크라우드소싱 데이터 플랫폼에 10억 달러 이상을 투자하기로 결정한 배경이 된 논리와 동일하다. 이러한 프레임워크는 그 ‘비계’ 자체가 이미 해결된 문제이며, 기업들이 그 위에 있는 더 어려운 인지 계층을 연구하는 동안 일시적으로 활용하는 것이라고 가정한다.

DITTO가 직접 밝힌 상충 관계는 이와 다른 관점을 제시한다. 현재의 휴머노이드 자금 조달 붐이 시작된 지 3년 이상이 지났음에도, 컬럼비아 대학교의 한 연구실은 여전히 배치 정확도를 저하시키지 않으면서도 데이터 수집 장비와 배치된 로봇 간의 시각적 불일치를 유발하지 않는 방식으로, 인간의 손에서 힘 정보가 풍부한 조작 데이터를 어떻게 포착할지에 대한 기초 연구를 발표하고 있다. 이는 이미 작동 중인 보조 계층을 다듬고 있는 팀이 아닙니다. 이는 보조 계층이 어떤 모습이어야 하는지를 여전히 정의해 나가는 팀입니다.

예측되는 “GPT-3.0의 순간”

미해결된 인터페이스 문제를 그냥 넘어가는 것은 어려운 부분을 뚫고 예측하는 것이 아닙니다. 그 문제를 뛰어넘어 예측하는 것입니다.

텍스트가 그처럼 확장될 수 있었던 이유는, 인터넷이 이미 평범한 인간 의사소통의 계획되지 않은 부산물로서 수조 개의 토큰을 생성해 놓았으며, 그 토큰 하나하나가 동일한 표현 방식을 공유하고 있었기 때문이다. 물리적 상호작용 데이터에는 이에 상응하는 부산물이 없으며, 로봇 본체, 센서 세트, 그리퍼 전반에 걸쳐 공유되는 표현 방식도 없다. 모든 진지한 연구실은 여전히 이를 포착할 도구를 하나씩, 즉 외골격 한 벌, 리더-팔로워 장치 한 세트, 저관성 팔 한 개씩 구축해야 하며, 이러한 구축 작업은 바로 지금, 대중에게 공개되고, 날짜가 명시되며, 인용 가능한 형태로 진행되고 있다.

이를 실제로 구매하려는 사람들에게 이것이 의미하는 바

휴머노이드 시범 모델을 평가하는 조달 팀에게 있어, 이로 인해 제기되는 실사 질문은 공급업체에 성공률 수치를 묻는 것보다 더 유용합니다. 대신, 공급업체의 훈련 데이터 중 어느 정도가 해당 하드웨어 전용으로 설계된 원격 조작 장비에서 나온 것인지, 아니면 다른 곳에서 차용한 범용 수집 도구에서 나온 것인지, 그리고 그 장비가 가장 최근에 언제 재설계되었는지 물어보십시오. 2026년에도 여전히 자체 데이터 수집 하드웨어를 개선하고 있는 공급업체는, 모델이 안정적인 목표에 수렴하고 있는 것이 아니라 움직이는 목표에 뒤쫓아가고 있는 업체입니다. 그렇다고 해서 자격이 없는 것은 아닙니다. 스피릿 AI(Spirit AI)가 CATL과 JD.com의 배포 사례를 합산하여 측정한 90%의 구조화된 작업 성공률은 단순한 시연이 아닌, 실제 측정된 성과입니다. 하지만 이는 2027년 마감 기한이 시사하는 것보다 더 느리고 제한적인 진전을 보여주는 증거이며, 해당 마감 기한을 기준으로 다년 계약을 책정하는 구매자들은 해당 분야의 현재 연구 성과 기록에 따르면 여전히 개발 중인 인터페이스 계층에 대한 베팅을 가격에 반영하고 있는 셈이다.

그런 관점에서 볼 때, RAI 연구소의 야구 로봇은 이번 달 발표된 그 어떤 자금 조달 소식보다도 더 정직한 데이터 포인트입니다. 이는 현재 해결된 가장 어려운 문제가 로봇의 몸을 사람처럼 움직이게 하는 것임을 분명히 보여줍니다.

빠르고, 안전하며, 실수를 너그럽게 용인하는 방식으로. 그 로봇이 스스로 무엇을 해야 할지 결정하도록 가르치는 것이 다음 과제이며, 이번 주에 발표된 논문들은 아직 이 문제를 해결하기 시작하지 않았다. 이 두 가지 사이의 격차는 2027년을 향한 과정에서 발생하는 사소한 오차가 아니다. 이는 실질적인 로드맵이며, 공장 현장을 거치기 전에 먼저 실험실 벤치를 거쳐야 한다.

이 분석은 Spirit AI, 컬럼비아 대학교 로봇공학 연구진, RAI 연구소, 현대자동차그룹, Figure AI가 2026년 9월 공개한 내용과 관련된 공개 연구 논문, 기업 성명서, 컨퍼런스 발언을 바탕으로 작성되었습니다. 본 내용은 일반적인 정보 제공을 목적으로 하며, 투자, 금융 또는 조달에 대한 조언을 구성하지 않습니다.

대표 이미지 출처: RAI 연구소, 아테나제로(AthenaZero) 양손 로봇에 대한 자체 연구 논문에서 발췌.