UMA, ‘노스스타’ 휴머노이드와 ‘실시간 학습’ 기술을 공개하며, 유럽을 첫 번째 목표로 2026년 시범 운영 계획을 수립했다
파리에 본사를 둔 UMA는 ‘마키나 서밋(Machina Summit)’에서 자사의 휴머노이드 로봇 ‘노스스타(Northstar)’의 디자인과 실시간 학습 아키텍처를 공개하며, 공장 및 물류 현장에서 운영되는 동안 시연과 수정 피드백을 통해 기술을 습득하는 로봇을 선보였다.

유럽의 공장들과 물류 센터에는 지루하고 반복적이며 인력 확보가 어려운 업무들이 넘쳐납니다. 로봇이 도움이 될 수 있지만, 작업 내용이나 조명이 조금만 달라져도 대부분의 시스템은 제대로 작동하지 못합니다. 이러한 공백을 메우기 위해 파리의 스타트업 UMA가 나섰다. 이 회사는 자사의 첫 번째 휴머노이드 로봇인 ‘노스스타(Northstar)’가 실험실뿐만 아니라 실제 작업 현장에서 즉각적으로 학습할 수 있도록 개발되고 있다고 밝혔다.
2026년 7월 7일, ‘마키나 서밋(Machina Summit)’에서 UMA는 ‘노스스타’의 디자인과 로봇이 작업하는 동안 지속적으로 능력을 향상시킬 수 있도록 설계된 ‘실시간 학습(Real-Time Learning)’ 아키텍처를 공개했다. 2025년 12월 스텔스 모드를 벗어난 이 회사는 현재 약 50개의 잠재 고객사와 협상을 진행 중이며, 올해 산업용 시범 운영을 계획하고 있습니다. UMA는 유럽을 우선으로 하는 전략을 취하고 있으며, 초기에는 제조 및 물류 분야에 집중하고, 이후 가정용 시장으로 확대할 계획입니다. 소규모 팀이 파리에서 불과 9개월 만에 ‘V0’이라 명명된 첫 번째 시제품을 설계하고 조립했다.
창업자이자 CEO인 레미 카데네(Rémi Cadène)는 테슬라의 오토파일럿(Autopilot) 팀에서 약 3년간 오토파일럿과 옵티머스(Optimus) 프로그램의 AI 개발을 담당했다. 그는 2024년 초 테슬라를 떠나 허깅 페이스(Hugging Face)에 합류해 오픈소스 로봇 공학 라이브러리인 ‘LeRobot’을 이끌었으며, 이후 UMA를 창업했다. 공동 창업자에는 전 허깅 페이스(Hugging Face) 엔지니어인 시몬 알리베르(Simon Alibert)와 로봇 디자이너 롭 나이트(Rob Knight)가 포함됩니다. 투자자로는 그레이크로프트(Greycroft), 릴렌틀리스(Relentless), 유니티 그로스(Unity Growth)와 함께 엔젤 투자자인 얀 르쿤(Yann LeCun), 데이터독(Datadog)의 올리비에 포멜(Olivier Pomel), 허깅 페이스 공동 창업자 토마스 울프(Thomas Wolf)가 있습니다.
UMA가 발표한 내용
UMA의 공개 행사에서는 ‘노스스타(Northstar)’라는 이름의 첫 번째 휴머노이드 로봇의 산업 디자인과, 회사가 ‘실시간 학습(Real-Time Learning)’이라고 설명하는 소프트웨어 스택이라는 두 가지 요소가 결합되어 소개되었다. '노스스타'는 공장 및 물류 현장에서 작동하도록 설계된 경량 범용 로봇으로 포지셔닝된다. UMA의 핵심 제안은 '배포 환경에서의 학습'에 중점을 두고 있다. UMA는 새로운 공장을 매번 수개월에 걸친 통합 과정으로 다루기보다는, 로봇이 시연, 수정 피드백, 로봇 자체 적응의 지속적인 루프를 통해 기술을 습득하고 개선해 나가기를 원한다.
이 팀은 첫 번째 시제품을 완성하는 과정에서 실행 속도를 중시했습니다. V0는 소규모의 다학제적 팀이 파리에서 9개월 만에 설계하고 조립했습니다. 이러한 속도는 운영자에게 중요한데, 이는 예를 들어 새로운 컨베이어 배치나 팔레트 높이의 미세한 차이가 미리 정해진 작업 순서를 어긋나게 할 때, 회사가 신속하게 개선할 수 있는지 여부를 보여주기 때문입니다. 또한 이 회사는 이미 약 50곳의 잠재 고객과 협의 중이며, 올해 유럽에서 산업용 시범 운영을 시작할 예정이라고 밝혔다.
운영사에게 유럽 우선 전략이 중요한 이유
UMA가 초기 시범 운영을 유럽에 집중하기로 한 결정은 단순히 지리적 이유 때문만은 아닙니다. 이는 운영업체가 직면한 구체적인 제약 조건을 충족시키는 제품 전략이자 시장 진출 전술입니다:
· 물류 및 경공업 분야의 유럽 노동 시장은 특히 야간 근무와 성수기 기간에 계속해서 인력 부족 현상이 지속되고 있습니다. 저숙련 반복 작업에서 근로자를 대체할 수 있는 로봇은 전체 라인을 재설계할 필요 없이 운영 탄력성을 제공합니다.
· 유럽의 안전 및 규정 준수 체계는 명확합니다. 로봇이 EU 기계 규정에 따라 CE 마크를 획득하고 관련 조화 표준을 준수한다면, 시설 관리 팀은 사람이 있는 곳 근처에서 로봇을 어떻게 배치해야 할지 명확히 파악할 수 있습니다.
· 현지 생산 및 지원 거점이 있으면 대응 시간이 단축됩니다. 그리퍼 씰이 고장 나거나 밸런스 컨트롤러에 패치가 필요할 때, 수리 소요 시간은 로봇이 자산이 될지 병목 현상이 될지를 가르는 결정적인 요소입니다.
UMA는 유럽의 제조 및 물류 분야에 우선적으로 집중함으로써, 인력 부족, 높은 기준, 그리고 이미 자동화 예산을 편성해 둔 운영자라는 환경의 중심에 자리 잡고 있습니다. 만약 이 회사가 ‘실시간 학습(Real-Time Learning)’ 기술을 더 빠른 작업 설정과 덜 취약한 시스템으로 전환할 수 있다면
이러한 통합 기능은 단순히 데모를 보여주는 데 그치지 않고, 주간 처리량 목표를 달성해야 하는 현장 관리자들에게 실질적인 이점을 제공합니다.노스스타(Northstar)와 실시간 학습(Real-Time Learning) 스택 내부
대부분의 운영자는 머신 러닝을 구매하는 것이 아닙니다. 그들은 문제 없이 안정적으로 가동 시간을 확보해 주는 로봇을 구매합니다. UMA의 ‘실시간 학습(Real-Time Learning)’ 개념은 배포 과정에서도 훈련을 지속적으로 진행함으로써 이 두 가지를 연결하려고 시도합니다. 유사한 시스템의 구축 방식과 UMA가 설명한 내용을 바탕으로, 실제 적용 시 일반적으로 다음과 같은 양상을 띱니다.
· 기술 습득: 작업은 간략한 사람의 시연, 원격 조작 예시, 또는 녹화된 시퀀스를 통해 가르칩니다. 로봇은 단순한 관절 궤적뿐만 아니라 작업 의도와 제약 조건을 인코딩하므로, 기술이 약간 다른 레이아웃이나 물체 유형으로도 이전될 수 있습니다.
· 수정 피드백: 로봇이 실패할 경우, 사람이 오류를 표시하거나, 수정 조치를 보여주거나, 대체 잡기 동작을 승인할 수 있습니다. 이 피드백은 정책을 즉시 업데이트하거나, 휴식 시간 및 교대 시에 일괄적으로 점진적으로 업데이트합니다.
· 안전 계층: 저수준 제어기는 균형을 유지하고, 토크를 제한하며, 사람과 장비 주변의 안전 구역을 정의합니다. 학습 스택은 동작을 제안하지만, 안전 계층은 거부권을 가지고 있어 로봇이 인증된 작동 범위 내에서 작동하도록 보장합니다.
· 로봇 내 및 엣지 근처 컴퓨팅: 공장 환경에서 실시간 요건을 충족하려면, 학습 루프가 불안정한 연결을 견뎌내고 주로 로봇이나 로컬 서버에서 실행되어야 합니다. 이러한 설계는 클라우드 의존도를 줄이고 유럽 내 시설에서의 데이터 거버넌스를 지원합니다.
노스스타의 설계는 경량화되었다고 평가받습니다. 작업자 입장에서 보면, 이는
두 가지 이유로 매력적이다. 첫째, 로봇의 무게가 가벼울수록 운동 에너지가 적게 축적되고 접촉 시 제동이 더 쉬워지기 때문에 사람 주변에서 더 안전하다. 둘째, 질량이 낮으면 배터리 효율이 높아져 한 번 충전으로 더 오래 사용할 수 있다. UMA는 적재량, 최대 보행 속도, 배터리 수명에 대한 구체적인 사양을 공개하지 않았으며, 손이나 엔드 이펙터에 대한 세부 정보도 아직 발표하지 않았다. 물류 및 조립 분야의 많은 구매자들에게 있어, 비강성 포장재나 얇은 부품을 잡는 것은 실용 로봇공학에서 여전히 가장 어려운 문제 중 하나이므로, 손의 성능이 초기 활용 사례의 성패를 좌우할 것이다.UMA의 창립 DNA는 시스템 전반에 중요한 영향을 미칩니다. 카데네(Cadène)는 테슬라에서 오토파일럿(Autopilot)과 옵티머스(Optimus) 프로젝트를 담당하며 지각, 제어, 대량 데이터 운영 분야의 교차점에서 경험을 쌓았습니다. 이후 허깅 페이스(Hugging Face)에서 LeRobot 프로젝트를 이끌었던 그의 경력은 개발자들이 드라이버, 정책, 데이터셋을 기여할 수 있도록 하는 모듈식 개방형 인터페이스를 선호한다는 점을 시사합니다. 운영자 입장에서는 이러한 방향성이 현장에 이미 설치된 새로운 그리퍼, 카메라, 안전 스캐너에 대한 지원을 더 빠르게 제공할 수 있음을 의미합니다.
2026년 시범 운영: 신뢰할 수 있는 시험 운영의 모습
올해 유럽의 한 공장에서 진행될 신뢰할 만한 휴머노이드 시범 운영은 전체 교대 근무를 대체하는 것으로 시작되지 않을 것입니다. 대신 반복하기 쉽고, 측정하기 쉬우며, 설정 과정에서 발생하는 가동 중단 시간을 정당화할 만큼 가치가 있는, 범위가 한정되고 감독이 필요한 작업부터 시작될 가능성이 높습니다. 대표적인 후보 사례는 다음과 같습니다:
· 피킹 면이 규칙적이고 보관함이 표준화된 소형 부품의 키트 구성 및 라인 옆 보충 작업.
· 표준 골판지 상자를 허리 높이의 선반에서 피킹한 후 컨베이어로 이송하는 작업.
· 중량과 포장 방식이 알려진 제한된 SKU 세트에 대한 팔레트 적재 또는 하역 작업.
· 인력이 부족한 경우, 병렬로 운영되는 스테이션 간에 토트 이송을 수행합니다.
잘 운영되는 시범 운영은 첫날부터 다음 다섯 가지 지표를 기록합니다: 사이클 시간, 주 작업 성공률, 예외 발생률 및 복구 시간, 지원 요청 간 평균 시간, 배터리 1회 충전당 유효 가동 시간. UMA의 ‘실시간 학습’ 기능이 제대로 작동한다면, 로봇이 작업자의 수정 사항을 내면화함에 따라 예외 발생률은 주마다 감소해야 합니다. 바로 이러한 패턴이 데모 단계를 넘어 생산 라인의 실질적인 자산으로 거듭나게 하는 요소입니다.
작업 지표 외에도 유지보수 용이성이 면밀히 검토될 것입니다. 시설 측에서는 UMA 현장 팀이 티켓을 얼마나 신속하게 처리하는지, 예비 부품이 현지에서 비축되어 있는지, 소프트웨어 패치로 인해 계획된 가동 중단이 얼마나 자주 필요한지 등을 추적할 것입니다. 초기 고객들은 UMA가 데이터를 어떻게 처리하는지도 주시할 것입니다. 배치 중 영상과 동작을 기록하는 것은 로봇의 학습에 도움이 되지만, 근로자 개인정보, 제품 지적 재산권, 국경을 넘는 데이터 흐름과 관련된 위험을 초래합니다. UMA의 ‘유럽 우선’ 전략에는 데이터 보존, 익명화, 처리에 관한 명확하고 감사 가능한 정책이 필요할 것입니다.
진행 여부를 결정할 마찰 요인들
휴머노이드 로봇이 공장 현장에 도입되는 동시에 고객의 기대치도 높아지고 있습니다. 몇 가지 걸림돌이 UMA의 시범 운영이 유료 본격 도입으로 이어질지 여부를 결정할 것입니다.
· 안전 및 규정 준수: UMA는 EU 기계 규정과 협업 운영, 출력 및 힘 제한에 관한 관련 표준을 준수함을 입증해야 합니다. 대부분의 운영사와 보험사는 독립적인 테스트와 이해하기 쉬운 기술 문서를 요구할 것입니다.
· 손과 엔드 이펙터: 일반적인 조작은 많은 휴머노이드가 어려움을 겪는 부분입니다. UMA는 자사의 학습 스택을, 최적화된 그리퍼와 손으로 구성된 소규모 라이브러리와 결합해야 할 것으로 예상됩니다.
골판지 상자, 토트 박스, 수축 포장된 패키지 및 단순 부품에 적용됩니다. 신속 교체형 인터페이스를 통해 가동 중단 시간을 줄일 수 있습니다.· 변동 상황에서의 신뢰성: 실제 창고 작업은 다양합니다. 상자에 테이프를 붙이는 위치가 바뀌고, 보관함이 과도하게 채워지기도 하며, 조명 조건도 변합니다. UMA가 주장하는 ‘실시간 학습’ 기능은 지속적인 재조정 없이도 성공률을 유지할 수 있는 능력에 따라 평가될 것입니다.
· 전원, 충전 및 교대 근무: 경량 설계라 하더라도 배터리 계획은 중요합니다. 작업자는 생산 라인을 중단시키지 않는 핫 스왑 또는 고속 충전 일정이 필요합니다. 1회 충전당 작동 시간은 핵심 평가 지표입니다.
· 인적 수용성: 라인 책임자와 안전 담당자는 시스템을 신뢰해야 합니다. 투명한 동작, 예측 가능한 움직임, 그리고 상호 존중을 바탕으로 한 협업은 실질적인 요구 사항입니다. 안전하게 개입하는 방법을 보여주는 교육은 거부감을 줄여줄 것입니다.
UMA가 이러한 장애물을 극복한다면, 고객에게 돌아가는 이점은 명백합니다. 피크 시간대의 인력 탄력성 확보, 피킹 지연 감소, 그리고 부족한 인력을 더 높은 부가가치를 창출하는 업무에 재배치할 수 있는 능력 등이 그것입니다.
UMA의 개발 일정이 테슬라 및 피규어와 비교되는 점
휴머노이드 분야 전반은 빠르게 발전하고 있습니다. 2026년 1월, 일론 머스크는 당시 기준으로 유용한 작업을 수행하는 옵티머스 유닛이 없다고 인정했습니다. 테슬라는 올여름 프리몬트 공장에서 옵티머스 3세대의 소량 생산을 목표로 하고 있으며, 초기 도입은 테슬라 자체 공장 내에서 이루어질 것으로 예상됩니다. 한편 피규어(Figure)는 자사 로봇이 BMW의 스파르탄버그 공장에서 교대 근무를 수행했다고 보고했는데, 이는 자동차 업계 파트너들이 휴머노이드 로봇을 실제 생산 수준의 기대치에 맞춰 테스트할 의향이 있음을 보여주는 강력한 신호다.
UMA의 공개는 이러한 경쟁의 한가운데서 이루어졌으며, 포지셔닝 측면에서 몇 가지 주목할 만한 차이점이 있습니다. 테슬라는 우선 자사 생산 라인을 최적화하는 반면,
Figure는 단일 핵심 파트너와 깊이 협력하는 반면, UMA는 제조 및 물류 분야에 걸쳐 유럽 전역에서 시범 사업을 확대해 나가고 있으며, 배포 속도의 신속성을 핵심 경쟁력으로 내세우고 있습니다. 이 주장이 사실로 입증된다면, 소규모 공장들은 전통적으로 소량·다품종 생산 현장에서 자동화 도입을 가로막아 온 장기간의 통합 과정을 건너뛸 수 있게 될 것입니다.비교: 글로벌 휴머노이드 플랫폼 경쟁사
아래 표는 2026년 중반 기준 주요 휴머노이드 프로젝트의 현황을 요약한 것입니다. 많은 사양이 아직 공개되지 않았으며, 이용 가능 범위는 시범 운영이나 내부 도입으로 제한되어 있습니다. 운영사는 단기적인 준비 상태, 명시된 시범 운영 현장, 그리고 제어 및 학습 스택이 자사의 특정 작업에 적응할 수 있는지 여부에 주목해야 합니다.

다음으로 주목해야 할 사항
· 시범 운영 선정 및 범위: 어떤 고객이 먼저 계약을 체결하는지, UMA가 정확히 어떤 작업을 수행하는지, 그리고 과도한 감독 없이 전체 교대 근무 시간 동안 시범 운영이 진행되는지 여부는 로봇의 실제 준비 상태를 보여줄 것입니다.
· 손과 집기 성능: UMA가 창고 및 경량 조립 현장의 실제 상황에 부합하는 그리퍼 옵션과 집기 벤치마크에서 진전을 보일 것으로 기대됩니다. 골판지 상자와 토트 박스에 대한 사이클 시간과 예외 상황 처리가 핵심 지표가 될 것입니다.
· 안전 관련 문서: 사람이 있는 곳 근처에 배치할 경우 CE 적합성 및 제3자 검증은 필수 사항입니다. UMA가 명확한 규정 준수 절차를 제시할 수 있는지 여부가 도입 속도를 좌우할 것입니다.
· 서비스 및 지원 모델: 유럽 우선 전략은 현장 조직이 문제를 해결할 수 있을 때만 효과가 있습니다.
신속하게, 현지에서 예비 부품을 확보하고, 운영에 차질을 주지 않으면서 업데이트 일정을 잡을 수 있습니다.· 학습 루프에 대한 실증: 회사의 ‘실시간 학습’ 주장은 입증되어야 합니다. 동일한 현장에서 수동 재조정 없이 예외 사항이 줄어들고 사이클 시간이 단축되었음을 보여주는 전후 지표는 운영자들에게 설득력을 줄 것입니다.
UMA가 이를 추진하는 데에는 분명한 배경이 있습니다. 테슬라는 올여름 소량 생산을 계획하며 자사 공장에 옵티머스를 도입할 방침입니다. 피규어(Figure)는 이미 주요 자동차 공장에서 장시간 교대 근무를 시험 중입니다. UMA에게 있어 기회는 경쟁사보다 더 큰 화제를 모으는 것이 아니라, 실시간 학습 루프를 갖춘 경량형 안전 중심 휴머노이드가 유럽 공장에 자연스럽게 정착하여 조용히 생산량을 높일 수 있음을 보여주는 데 있습니다. 이 회사가 안전성 검증을 통과하고, 실제 작업 중 측정 가능한 학습 성과를 보여주며, 서비스 대응을 신속하게 유지한다면, 화려한 외관보다는 항상 생산량에 관심을 두는 운영 책임자들 사이에서 지지자를 확보할 수 있을 것이다.
출처
· 블룸버그
· 일렉트렉
· AFP 보도자료










