베이징, 공유형 휴머노이드 로봇 훈련 센터를 현대화하다

2026년 9월 11일, 베이징. 베이징시는 쇼강 공원에 위치한 1,500제곱미터 규모의 휴머노이드 로봇 훈련 센터를, 인간의 모션 캡처, 합성 데이터 생성, 모델 훈련, 물리적 검증 및 산업적 적용을 연계하는 공유형 체화 지능 시설로 업그레이드했다. 중요한 점은 단순히 로봇으로 가득 찬 또 다른 공간이 아니라는 것이다. 이는 기계에 학습을 시키는 데 드는 비용이 많이 들고 반복적인 작업을, 여러 로봇 제조사들이 각자 새로 구축할 필요 없이 함께 활용할 수 있는 인프라로 전환하려는 시도이다.

‘시징산 체화 지능 훈련 센터’는 베이징 최초의 휴머노이드 로봇 데이터 훈련 센터의 1단계를 개명하고 확장한 시설이다. 9월 11일 발표된 프로젝트 업데이트에 따르면, 2단계와 3단계는 이미 가동 중이다. 베이징 위안커 비전 테크놀로지가 기술 지원을 제공하고 있다. 업그레이드된 단계에서는 인간 운영자가 작업을 수행하고, 동작 및 상호작용 데이터가 기록되며, 모델이 해당 자료를 통해 학습하고, 로봇이 동일한 물리적 과제에 대해 테스트를 받는 기존 워크플로우에 다중 뷰 라이트필드 캡처 및 4D 세계 모델 기반을 추가했다.

병목 현상은 로봇 본체 한 대가 더 필요한 것이 아니다

휴머노이드 로봇 공학 분야는 지난 2년 동안 모터, 정교한 손, 배터리, 그리고 점점 더 성능이 향상되는 기초 모델에 자금을 유치해 왔다. 그러나 몸체와 모델이 같은 기계에 존재한다고 해서 그 자체만으로 유용한 작업자가 되는 것은 아니다. 이 시스템에는 여전히 접촉, 힘, 물체 움직임, 오류 복구, 작업 완료와 같은 사례들이 필요하지만, 이러한 사례들은 현실 세계에서 수집하는 데 비용이 많이 들고 실험실 간에 일관되게 재현하기 어렵습니다.

이것이 바로 시징산이 산업화하려고 시도하고 있는 병목 현상이다. 이 센터의 운영자들은 모션 캡처 장비를 착용하고 장애물을 피해 걷기, 상자 들어 올리기, 물체 배치하기 등의 동작을 수행한다. 업그레이드된 시스템은

단순한 2D 영상 그 이상을 기록합니다. 이 기술은 깊이, 공간적 관계, 물리적 상호작용, 대상의 상태 변화를 보존하고, 그 정보를 캡처, 모델링, 훈련, 검증, 피드백의 순환 과정에 반영하도록 설계되었습니다.

이 차이는 기술적으로 들릴 수 있지만, 구매자에게 주는 시사점은 명확합니다. 영상은 손이 컵을 집어 올리는 모습만 보여줄 수 있습니다. 반면, 유용한 로봇 훈련 기록은 컵이 어디에 있었는지, 손가락이 어떻게 컵에 접근했는지, 접촉이 언제 발생했는지, 얼마나 많은 힘이 가해졌는지, 컵이 움직였을 때 무엇이 변했는지, 그리고 왜 한 번의 시도는 성공하고 다른 시도는 실패했는지를 설명하는 데 도움이 되어야 합니다. 이러한 풍부한 정보들이야말로 로봇이 단순히 암기한 시연을 넘어 일반화할 수 있게 해줍니다.

이 센터는 자사의 새로운 다중 뷰 라이트필드 시스템이 궤적, 변형 및 조명 변화를 더 높은 정밀도로 재구성할 수 있다고 밝혔습니다. 이 시스템의 4D 세계 모델 레이어는 디지털 지능, 공간 지능, 물리적 지능을 연결하는 것을 목표로 합니다. 이를 통해 참여 기업들은 인간의 작업을 관찰하는 것에서 시작해 시뮬레이션에서 재현하고, 정책을 훈련하며, 하드웨어에서 검증한 후 결과를 데이터 루프로 되돌리는 과정을 거칠 수 있습니다.

공유 인프라가 비용 곡선을 변화시킨다

신생 로봇 기업에게는 스택의 모든 부분을 직접 소유하고 싶은 유혹이 있다. 이는 회사가 캡처 시설에 인력을 배치하고, 운영자를 채용하며, 실험실을 구축하고, 여러 로봇 본체를 유지보수하고, 데이터 권리를 관리하며, 평가 시스템을 가동하는 동시에 하드웨어를 제작하고 제품을 판매해야 할 때까지는 전략적으로 깔끔해 보인다. 고정 비용은 첫 상용 배포 이전에 이미 발생한다.

공유 훈련 센터는 다른 모델을 제시합니다. 각 공급업체가 자체 데이터 팩토리를 구축하는 대신, 시에서 지원하는 시설을 통해 모션 캡처 장비, 시뮬레이션 인프라, 검증 공간을 여러 사용자에게 분산할 수 있습니다. 이것이 성공적으로 작동한다면, 상업적 이점은 단순히 더 저렴한 데이터에 그치지 않습니다. 더 빠른 비교가 가능해집니다. 조작 정책을 다양한

단일 운영 프레임워크 하에서 로봇 본체와 작업 레이아웃을 통합함으로써, 진전이 모델에서 비롯된 것인지, 하드웨어에서 비롯된 것인지, 아니면 신중하게 기획된 시연에서 비롯된 것인지 파악하기가 더 쉬워집니다.

이는 클라우드 컴퓨팅과 수탁 제조의 이면에 깔린 것과 동일한 경제적 논리가 로봇 학습 분야에 적용된 것이다. 여기서 핵심은 ‘활용도’다. 고가의 장비는 단일 스타트업 내에서 유휴 상태로 방치될 때가 아니라, 많은 고객이 장시간 사용할 때 비로소 합리적인 투자가 된다. 따라서 이 센터가 약속하는 브랜드 간 데이터 공유는 현장에서 이루어지는 개별 시연보다 훨씬 더 중요하다.

로봇 제조사들은 여전히 신중해야 한다. 공유 인프라는 중복 비용을 줄일 수 있지만, 동시에 ‘최소 공통 분모’ 수준의 데이터셋을 만들어낼 수도 있다. 여러 로봇 모델에 걸쳐 작동하는 일반적인 데이터셋은 기본적인 움직임이나 가사 작업에는 유용할 수 있지만, 특정 공장 공정에는 너무 표면적인 수준에 그칠 수 있습니다. 의류 제작용 로봇에는 원단의 장력과 변형에 대한 데이터가 필요합니다. 배터리 조립용 로봇에는 접촉 정밀도, 오염 제어, 작업별 안전 검증 데이터가 필요합니다. 이러한 문제들은 서로 대체할 수 있는 것이 아닙니다.

이 센터가 상업적으로 의미를 가지려면 두 가지 계층, 즉 공통 기술을 위한 광범위하고 재사용 가능한 데이터와 차별화된 작업을 위한 보호된 고객 맞춤형 데이터를 모두 지원해야만 합니다. 그렇지 않으면 기업들은 시연 목적으로만 이 시설을 이용하고, 가장 가치 있는 실제 운영 데이터는 사내 시설에 보관할 가능성이 높습니다.

가사 및 공장 업무가 중요한 이유

이번 업그레이드는 청소, 음식 준비, 돌봄과 같은 가정 내 활동은 물론, 재봉, 포장, 자재 취급, 조립과 같은 산업 작업을 포괄합니다. 이러한 폭넓은 범위는 인프라가 서로 매우 다른 두 가지 구매 환경을 모두 처리할 수 있는지 검증할 수 있다는 점에서 유용합니다.

가정용 로봇공학은 다양성을 요구합니다. 주방, 식탁, 용기, 조명 조건은 끊임없이 변합니다. 가정용 로봇은 어수선한 환경과 불완전한 지시도 감내해야 합니다. 상업적 과제는 충분한 수량을 생산하는 것입니다.

시연용 아파트에서만 작동하는 기계가 되지 않도록 다양한 데이터를 활용해야 합니다.

산업용 로봇 공학은 반복성을 요구한다. 공장 구매자는 더 좁은 범위의 기능만 갖춘 로봇을 받아들일 수도 있지만, 그 로봇은 한 교대 근무 시간 내내 작동해야 하며, 예측 가능한 오류에서 회복할 수 있어야 하고, 기존의 안전 및 생산 시스템에 적합해야 한다. 구매자는 세계 모델의 우아함을 위해 비용을 지불하는 것이 아니다. 구매자는 완성된 유닛, 가동 중단 시간 단축, 그리고 개입 횟수 감소를 위해 비용을 지불한다.

이러한 차이 때문에 해당 센터는 가정용 프로그램과 산업용 프로그램에 대해 별도의 성과 지표를 발표해야 합니다. 수집된 데이터 시간만을 나타내는 단일 수치는 드러내는 것보다 숨기는 것이 더 많을 것입니다. 구매자에게는 작업 성공률, 개입 빈도, 복구 성능, 시스템 간 이전 결과, 그리고 정책이 테스트된 환경의 수가 필요합니다.

최근 RobotAIGeek이 보도한 삼성SDS의 로봇 오케스트레이션 사업은 로봇이 작업을 수행할 수 있게 된 후 발생하는 통합 문제를 보여주었다. 시징산은 기술이 생성되고 검증되는, 그보다 한 단계 앞선 단계에서 작업하고 있다. 이 두 단계는 결국 하나로 합쳐지게 된다. 유용한 산업용 로봇은 학습된 능력뿐만 아니라, 생산 워크플로우 내에서 이를 스케줄링하고, 모니터링하며, 복구할 수 있는 시스템도 모두 필요로 합니다.

누락된 상업적 지표

이번 업그레이드 발표는 아키텍처에 대해서는 구체적으로 언급했으나 경제적 측면은 함구했다. 얼마나 많은 기업이 이 센터를 이용하는지, 이용료는 얼마인지, 시설에서 제공할 수 있는 훈련 시간은 얼마나 되는지, 정책이 로봇 본체 간에 얼마나 자주 이전되는지, 고객이 배포 시간을 얼마나 절약하는지 등에 대해서는 공개하지 않았다. 이러한 누락이 프로젝트의 중요성을 떨어뜨리는 것은 아니다. 오히려 이는 다음으로 측정해야 할 항목을 정의해 주는 것이다.

첫 번째 지표는 가동률이어야 합니다. 첨단 캡처 시스템을 갖춘 1,500제곱미터 규모의 센터는 작업 구역이 예약되고, 데이터 세트가 제공되며, 모델이 반복적인 검증을 위해 다시 반환될 때 비로소 가치를 발휘합니다. 두 번째 지표는 이전률이어야 합니다.

한 사람의 시연을 통해 습득한 기술이 제한된 추가 데이터만으로도 여러 신체에 적용될 수 있다면, 공유 인프라의 타당성은 훨씬 더 높아집니다.

세 번째 지표는 ‘배포 전환율’이어야 한다. 완성도 높은 영상으로 마무리되는 훈련 과정은 마케팅에 불과하다. 로봇이 고객 현장에서 유료 작업을 완수하는 것으로 끝나는 훈련 과정은 상업적 증거입니다. 이 센터가 밝힌 가치 사슬은 실제 적용 단계까지 이어지므로, 공개 보고 역시 궁극적으로는 이를 반영해야 합니다. XPENG의 자동화된 IRON 생산 라인은 훈련 성과가 검증되어야 하는 하류 공장 환경을 대표합니다.

거버넌스 문제도 있습니다. 풍부한 인체 동작 및 작업장 데이터는 생산 방식, 주택 구조, 근로자 행동 등을 드러낼 수 있습니다. 기업들은 데이터 소유권, 접근 제어, 보존 기간, 그리고 한 고객을 위해 생성된 데이터가 다른 고객이 사용하는 모델을 개선하는 데 활용될 수 있는지 여부에 대해 명확히 해야 합니다. 참여가 늘어날수록 공유 인프라의 가치는 높아지지만, 동일한 네트워크 효과로 인해 취약한 데이터 거버넌스 모델의 비용도 증가한다.

시연 횟수보다 더 유용한 벤치마크

중국의 휴머노이드 생태계는 이미 걷기, 춤추기, 사물 조작 시연을 꾸준히 선보이고 있다. 스징산(Shijingshan)의 업그레이드는 더 유용한 평가 기준을 제시한다. 바로 업계가 이러한 시연을 얼마나 빨리 표준화되고 반복 가능한 훈련 운영으로 전환할 수 있는가 하는 점이다.

이것이 바로 이 센터를 단순한 로봇 출시 행사와는 다르게 평가해야 하는 이유이기도 하다. 새로운 로봇 본체는 적재량, 배터리 수명, 속도, 가격 등으로 비교할 수 있습니다. 반면 훈련 센터는 처리량, 데이터 품질, 이식성, 하류 작업 성공률 등으로 비교되어야 합니다. 이 센터의 산출물은 현장에 배치된 로봇 자체가 아닙니다. 수많은 로봇을 유용하게 만드는 데 필요한 시간과 비용을 줄이는 것이야말로 이 센터의 진정한 산출물입니다.

다음 검증 기준은 다음과 같이 시작되는 문서화된 고객 사례여야 합니다.

작업 정의로 시작하여 배포로 끝납니다. 여기에는 수집된 인간 시연 데이터의 양, 시뮬레이션 반복 횟수, 검증에 사용된 하드웨어, 고객 현장에서 필요한 개입 사항, 그리고 몇 주간의 운영 후 성능 등이 명시되어야 합니다. 이를 통해 구매자는 공유 훈련 인프라가 투자 수익 달성까지의 기간을 단축하는지 여부를 판단할 수 있는 근거를 얻게 될 것입니다.

베이징은 이제 3단계, 캡처 스택, 월드 모델 계층, 실제 로봇 검증이라는 물리적 구성 요소를 모두 갖췄습니다. 더 어려운 단계는 이러한 자산을 로봇 기업들이 독자적으로 구축하는 것보다 더 빠르고 우수하기 때문에 선택하게 될 서비스로 전환하는 것입니다. 만약 이 센터가 그러한 이점에 대한 재현 가능한 증거를 제시할 수 있다면, 단순히 시설을 업그레이드한 것 이상의 성과를 거둔 것이 될 것입니다. 이는 구현 지능 시장이 그동안 부족했던 산업 인프라의 한 부분을 정의해 낸 것이 될 것입니다.

메인 이미지 출처: Li Hao/GT.

이 분석은 석경산 체화 지능 훈련 센터를 설명하는 공개 성명 및 기술 자료를 바탕으로 작성되었습니다. 본 내용은 일반적인 정보 제공을 목적으로 하며, 투자, 금융 또는 법률 자문을 구성하지 않습니다.