RLWRLD와 CJ 로지스틱스, 물류창고 전용 로봇 AI에 주목

한국 물류 업계에는 대부분의 창고용 로봇 공급업체들이 차라리 공개하기를 꺼리는 특정한 문제가 있습니다. 바로 상자들이 결코 예상대로 움직이지 않는다는 점입니다. 한 교대 근무 동안 같은 통로 내에서 불규칙한 모양의 농산물, 수축 포장된 묶음 상품, 흩어진 의류, 밀집된 전자제품 등을 처리해야 할 수 있으며, 주변 작업 환경, 조명, 적재 높이, 바닥의 어수선함, 작업 간 전환 등도 고려해야 한다. 9월 21일 월요일, 서울에 본사를 둔 물리적 AI 스타트업 RLWRLD와 CJ 로지스틱스, 한국 최대의 통합 물류 운영사인 CJ물류는 물류 전용 로봇 기반 모델을 공동 개발하고, 이를 먼저 국내에서, 그 다음 해외 시장으로 확대해 상용화하기 위한 양해각서(MOU)를 체결했다. 이들은 또 다른 휴머노이드 데모 영상 제작을 쫓는 것보다 창고 내 변수 문제를 해결하는 것이 더 견고한 사업 모델이 될 것이라고 내다보고 있다.

RLWRLD는 2024년 류정희 대표이사가 설립한 3년 차 스타트업으로, 류 대표이사가 이전에 설립한 올라웍스(Olaworks)는 인텔에 인수된 바 있으며, 이는 칩 업계의 거대 기업인 인텔이 체결한 한국 스타트업 인수 사례 중 최초인 것으로 알려졌다. 류 대표의 창업 팀에는 KAIST 신진우 석좌교수가 수석 과학자로 참여하고 있어, 이 회사는 상업적 로드맵과 더불어 학술 연구 파이프라인도 갖추고 있으며, 현재까지 시드 단계 자금으로 약 600억 원(약 4,200만 달러)을 조달했다. 이 회사의 핵심 제품은 RLDX-1로, RLWRLD가 ‘멀티스트림 액션 트랜스포머(Multi-Stream Action Transformer)’라고 부르는 아키텍처를 기반으로 구축된 오픈소스 81억 파라미터 규모의 로봇 공학 파운데이션 모델이다. 이 아키텍처는 시각, 동작, 기억, 토크 신호를 별도의 스트림으로 처리한 후 이를 하나의 동작 결정으로 통합하는 아키텍처로, 이 접근 방식은 특히 대부분의 휴머노이드 플랫폼이 여전히 실험실 밖에서 안정적으로 보여주기 어려워하는 정교한 운동 능력을 로봇 손에 부여하는 데 목적을 두고 있다.

훈련 데이터의 실제 출처

RLWRLD의 접근 방식에서 두드러지는 특징은 모델 아키텍처 그 자체뿐만 아니라, 이 회사가 훈련 데이터를 구축하는 방식에 있습니다.

데이터. RLWRLD는 주로 시뮬레이션이나 원격 조작 장비를 활용하는 대신, RLWRLD는 특정 물리적 작업에 수반되는 정확한 동작을 포착하기 위해 작업자들에게 바디캠을 착용하도록 해왔습니다. 이 접근 방식은 이미 CJ물류 직원들이 창고 물품을 취급하는 과정과 일본 편의점 체인 로손(Lawson) 직원들이 식품 진열을 정리하는 과정에서 적용된 바 있으며, 롯데호텔과 함께 진행 중인 별도의 호텔업 분야 데이터 수집 프로그램도 진행 중입니다. 이러한 세부 사항은 월요일 발표의 맥락을 새롭게 해석해 준다. 즉, 이번 협약은 두 기업이 미검증된 아이디어를 처음으로 공동으로 탐구하는 것이 아니라, CJ물류가 이미 지원해 온 데이터 수집 관계 위에 구축된 공식적인 상용화 협약이다. 이번 양해각서(MOU)에 따라 양측은 초기 RFM 도입을 위해 구체적인 물류 프로세스를 선정하고, 개념 검증(PoC) 테스트를 통해 모델의 핵심 로봇 동작이 실제 작업 환경에서 제대로 작동하는지 확인한 뒤, 그 후 테스트 결과를 바탕으로 업무 범위를 확대하고 성능을 개선하며, 양사가 ‘Logistics as a Service’라고 명명한 서비스를 상용화하는 것을 장기적인 목표로 삼고 있다.

1930년에 설립되어 100년 가까운 역사를 자랑하는 CJ그룹의 계열사인 CJ물류는 초기 단계의 스타트업이 협상하기에는 결코 작은 파트너가 아니다. RLWRLD의 파트너십 설명에 따르면, 이 회사는 계약 물류, 화물 운송, 해상 운송 및 소포 배달에 이르는 통합 물류 네트워크를 운영하고 있으며, 시범 시연이 아닌 실제 업무 흐름에 AI 기반 휴머노이드 로봇을 배치하는 등 운영 현장에서 물리적 AI 활용을 이미 확대해 온 상태다. RLWRLD에게 이는 기초 모델 논문만으로는 얻을 수 없는 기회를 제공합니다. 바로 실패해도 운영상의 비용이 발생하지 않는 통제된 실험실이 아닌, 타사의 근무 일정, 안전 규정, 처리량 목표 내에서 로봇 모델이 작동해야 하는 실제 생산 환경을 확보할 수 있다는 점입니다.

민첩성 주장의 근거가 되는 벤치마크 수치

RLWRLD는

RLDX-1에 대한 벤치마크 비교 결과가 공개되었는데, 이 결과가 독립적인 검증을 통해 입증된다면 해당 모델은 이 분야에서 가장 잘 알려진 경쟁 모델들과 확연한 차이를 보일 것으로 보인다. ALLEX를 상대로 수행된 휴머노이드 조작 과제에서, RLDX-1은 성공률 90%에 근접한 반면, Physical Intelligence의 pi-0.5 모델과 NVIDIA의 GR00T N1.6 모델은 모두 30% 미만에 머물렀다고 회사는 보고하며, 또한 이 회사는 특히 컨베이어 피킹 및 배치 작업에서 GR00T N1.6 대비 37.5%포인트의 우위를 기록했으며, 탁상 조작 벤치마크에서는 평균 성공률이 약 9% 향상되었다고 주장합니다. 이는 독립적인 감사를 거친 비교 결과가 아닌 RLWRLD가 자체적으로 보고한 수치이며, 정교한 조작 벤치마크는 작업 선정과 평가 설정에 매우 민감한 것으로 알려져 있으므로, 조달 팀은 이 격차를 확정된 순위라기보다는 방향성 측면에서 의미 있는 것으로 간주해야 한다. 그럼에도 불구하고 이 수치를 진지하게 받아들여야 할 이유는 그 출처에 있다. 이 모델은 단순한 합성 시뮬레이션 데이터만이 아닌, 실제 인간이 작업을 수행하는 모습을 바디캠으로 촬영한 영상 자료를 바탕으로 상당 부분 훈련되었으며, 창고 업무에 필수적인 불규칙하고 접촉이 빈번한 조작을 정확히 타겟으로 삼았는데, 이는 시뮬레이션으로 훈련된 모델들이 역사적으로 제대로 처리하지 못했던 부분이다.

‘한국 우선, 수출 차후’ 전략이 시사하는 바

두 기업 모두 한국 내 사업을 그 자체로 최종 목표라기보다는 해외에서 공동 사업 기회를 발굴하기 위한 토대로 규정하고 있다. RLWRLD는 이미 엔비디아(NVIDIA)와의 공식 협력 관계와 휴머노이드 손재주에 대한 업계 벤치마크 설정을 목표로 한 ‘덱스벤치(DexBench)’ 이니셔티브를 포함하는 자사의 글로벌 파트너 네트워크를, CJ물류의 상용화 및 시장 확장 역량과 결합해 한국을 넘어선 시장 진출 노력과 전략적 제휴를 추진할 계획이라고 밝혔다. 이러한 순서는 서양이나 중동의 물류 구매자가 이번 발표를 어떻게 해석해야 하는지에 있어 중요한 의미를 지닌다. 이는 단순히 제품을 홍보하기 위한 제안이 아니기 때문이다.

오늘 바로 해외로 배송할 준비가 된 것은 아니지만, RLWRLD가 다른 곳에 이 기술을 판매하기 전에, ‘손재주 우선’ 기반 모델에 작업자 수집 훈련 데이터를 적용하는 특정 기술적 접근 방식이 현존하는 가장 까다로운 실제 물류 환경 중 한 곳에서 먼저 검증되고 있음을 보여주는 신호입니다.

RLWRLD가 이 파트너십을 설명하는 방식은 그 밑바탕에 깔린 주장을 명확히 드러냅니다. 즉, 물리적 AI가 실험실 시연 단계에서 벗어나 실제 산업 현장에서 생산적으로 활용되기 위해서는 실세계 데이터가 모델 개발에 다시 반영되어야 하며, 창고 운영자의 일상적인 처리량 문제는 또 다른 선별된 무대 시연보다 그 주장을 검증하는 데 더 확실한 시험대가 된다는 것입니다. 이는 발표된 휴머노이드 로봇 발전 사례의 상당 부분이 여전히 지속적인 다중 현장 배포 데이터보다는 시뮬레이션 벤치마크와 단일 장소의 시범 운영 영상에서 비롯되는 이 분야에서 매우 날카로운 주장이며, 이는 RLWRLD의 신뢰도를 시간 제한에 묶어 놓는 셈이다: CJ 로지스틱스는 무기한으로 지속되는 시범 운영을 용인할 연구 파트너가 아니며, 범위를 확대하기 전에 성능을 테스트하겠다는 양해각서(MOU)의 문구 자체만 보더라도 양측 모두 개념 검증(PoC) 단계가 장기적인 ‘허니문’ 기간이 아닌, 명확한 ‘합격’ 또는 ‘불합격’ 신호를 내놓을 것으로 기대하고 있음을 시사한다.

같은 창고 공간을 노리는 기초 모델들의 치열한 경쟁

RLDX-1은 이미 매우 다른 데이터 전략을 가진 자금력이 탄탄한 경쟁사들이 포진해 있는 파운데이션 모델 경쟁에 뛰어들고 있다. 엔비디아(NVIDIA)의 GR00T 라인과 피지컬 인텔리전스(Physical Intelligence)의 pi 시리즈 모델은 모두 시뮬레이션 및 원격 조작 데이터에 크게 의존해 왔으며, 실제 작업자의 바디캠 촬영으로는 결코 달성할 수 없는 속도와 비용 효율성으로 훈련 데이터를 생성해 왔지만, 그 대가로 창고 작업이 요구하는 불규칙하고 신체 접촉이 많은 조작 과정에서 정확히 드러나는 지속적인 ‘시뮬레이션-실제 간극이 지속적으로 존재한다는 대가를 치렀으며, 이는 창고 업무가 요구하는 불규칙하고 접촉이 많은 조작 작업에서 정확히 드러납니다. RLWRLD는 더 느리고 비용이 많이 들지만 인간을 통해 수집된 데이터가 추가적인 시뮬레이션 양보다 그 격차를 더 빨리 좁힐 수 있을 것이라고 내다보고 있으며, CJ 로지스틱스와의 파트너십은 바로 그

시드 펀딩을 받은 스타트업이라면 다른 방법으로는 감당할 수 없는 규모로 그 가설을 검증할 수 있는 메커니즘: 단 한 편의 시범 영상 제작을 위해 창고 공간을 임대하는 대신, 실제로 가동 중인 전국적 물류 네트워크를 활용할 수 있다는 점입니다. 자본 규모가 한 차원 더 큰 경쟁사들을 상대로 그 데이터 품질 주장이 통할지 여부는 미지수이지만, NVIDIA의 GR00T 프로그램 하나만으로도 시가총액이 수조 달러에 달하는 기업 내에 자리 잡고 있다는 점은, RLWRLD를 평가하는 시리즈 A 또는 시리즈 B 투자자가 투자 결정을 내리기 전에 반드시 확인해야 할 핵심 의문이다.

또한 이러한 시기는 한국이 물리적 AI 산업을 통째로 수입하기보다는 국내에서 직접 육성하려는 더 광범위한 노력의 흐름과도 맞물려 있다. 삼성전자는 레인보우 로보틱스를 최고경영자(CEO)에게 직접 보고하는 전담 로봇 사업부로 통합했으며, 한국 정부는 올해 휴머노이드 및 물류 로봇을 전략적 우선 분야로 지정해, 한국 로봇 및 파운데이션 모델 스타트업들이 해외 수주 경쟁에 나서기 전에 국내 고객 기반을 확보할 수 있도록 지원하는 공개 정상회의와 자금 지원 프로그램을 운영하고 있다. RLWRLD와 CJ 물류의 협력 관계는 이러한 패턴과 매우 밀접하게 부합한다. 즉, 물류 분야의 국가 대표 기업이 스타트업이 기술을 성숙시키는 데 필요한 운영 환경을 제공하고, 스타트업은 해당 기업에 미국이나 중국 공급업체로부터 파운데이션 모델 기술을 라이선스 받는 대신 국내에서 개발된 대안을 제공하는 구조다. AI 인프라의 공급망 의존도에 점점 더 주목하고 있는 정부 입장에서 볼 때, 이러한 상호 협약은 순수한 상업적 파트너십에서는 얻을 수 없는 전략적 중요성을 지닙니다.

단순한 한국 내 창고 계약 이상의 의미

물리-AI 벤더를 평가하는 글로벌 물류 구매자에게 RLWRLD와 CJ 물류의 협약은 그 범위가 좁다는 점 때문에 오히려 유용한 참고 자료가 된다. 이 협약은 국제적 배포가 가능한 범용 창고 로봇을 약속하는 것이 아니라, 다음을 기반으로 훈련된 민첩성 중심의 기초 모델에 대한 체계적인 테스트를 약속한다.

인체 동작을 캡처한 기술은 한 운영사의 물류 현장에서 발생하는 특정한 혼란을 처리할 수 있으며, 해당 테스트 결과가 나올 때까지 해외 진출은 명시적으로 보류된다. 단일 무역 박람회 시연을 바탕으로 광범위한 물류 역량을 약속해 온 휴머노이드 로봇 공급업체들을 지켜본 구매자들은, 이러한 단계적 접근 방식—즉, ‘실증 우선, 범위 확장이 두 번째, 수출이 세 번째인 구조가, 컨퍼런스 무대에서 주목을 받는 방식이 아니라 창고 현장에서 물리적 AI 시스템이 실제로 신뢰를 얻는 방식과 일치하기 때문이다.

이 기사는 2026년 9월에 발표된 RLWRLD와 CJ 로지스틱스의 파트너십에 대한 기업 공시 및 공개 보도를 종합한 것입니다. 본 기사는 일반적인 정보 제공을 목적으로 하며, 투자, 금융 또는 법률 자문을 구성하지 않습니다.

메인 이미지 출처: 연합뉴스.