휴머노이드 열풍의 이면: 범용 로봇이 여전히 일상생활과 거리가 먼 이유

수십억 달러 규모의 장밋빛 약속

무대 위에서 춤을 추고, 빨래를 개고, 음료를 서빙하는 날렵한 휴머노이드 로봇들이 전 세계 테크 업계의 이목을 사로잡았다. 실리콘밸리의 유력 인사들은 이들의 가까운 미래에 대해 파격적인 전망을 쏟아내고 있다. Tesla CEO Elon Musk는 휴머노이드 로봇 Optimus가 잠재적으로 "역대 최대의 제품"이 될 수 있다며, 약 2만 달러의 가격으로 초인적인 손재주를 발휘해 인간의 거의 모든 노동을 자동화할 수 있을 것이라고 주장했다. 일반 판매 시점으로는 2027년 말을 제시했다.

벤처 투자자 Marc Andreessen은 로봇 공학이 "지구 역사상 가장 큰 산업"으로 부상할 수 있다고 전망했으며, Nvidia CEO Jensen Huang은 휴머노이드 로봇이 올해 인간 수준의 능력에 도달할 것이라고 주장했다. 월가 역시 이러한 열기에 동참했다. Morgan Stanley는 2050년까지 전 세계 인간형 로봇 수가 10억 대에 달해 5조 달러가 넘는 시장을 형성할 것으로 추산한다.

그러나 로봇 공학 연구실 내부에서 전문가들이 그리는 그림은 훨씬 더 현실적이고 냉정하다. 물리적 하드웨어는 빠르게 발전했으나, 현실 세계의 혼돈스럽고 예측 불가능한 변수들을 완벽히 통제할 수 있는 인공지능을 구축하는 것은 여전히 풀리지 않은 과제로 남아 있다.

하드코딩된 규칙에서 시각-언어-행동 모델로

수십 년 동안 로봇 공학은 엔지니어가 수천 줄의 명시적인 코드를 직접 작성해 기계의 움직임을 밀리미터 단위로 제어하는 하드코딩된 소프트웨어 정책에 의존해 왔다. 하지만 최근 몇 년간 연구자들은 이러한 수동 프로그래밍을 최신 AI 모델로 대체하기 시작했다.

초기 전환은 텍스트와 이미지를 함께 학습해 쏟아진 음료 근처의 행주를 찾아내는 등 시각적 맥락을 인식하는 시각-언어 모델(VLM)을 중심으로 이루어졌다. 이후 최신 기술은 시각-언어-행동(VLA) 모델로 진화했다. 이 아키텍처에는 인간 작업자가 원격으로 로봇을 조작하며 작업을 수행하는 텔레오퍼레이션(teleoperation)을 통해 기록된 인간 시연 기반의 동작 명령이 통합되어 있다.

Google DeepMind 연구진은 양팔 원격 조작용 저비용 오픈소스 하드웨어 시스템인 ALOHA 2(A Low-cost Open-source Hardware System for Bimanual Teleoperation)를 사용해 주력 Gemini Robotics VLA 모델을 테스트하고 있다. 휴머노이드 형태와 달리 ALOHA 2는 작업대 위에 설치된 두 개의 기계식 팔, 그리퍼, 카메라만으로 단순하게 구성되어 있다. Gemini Robotics를 기반으로 구동되는 이 시스템은 빵을 Ziploc 백에 넣고, 포도를 Tupperware 용기에 담고, 지퍼를 닫는 등 도시락을 싸는 작업은 물론, 종이접기나 집게로 꼬투리완두를 집는 등의 작업까지 수행할 수 있다.

하지만 VLA 모델은 심각한 한계에 직면해 있다. 낯선 환경에 놓이면 실패하는 경우가 빈번하다. Imperial College London의 로봇 공학 교수 Edward Johns가 지적했듯, 진정한 범용 시스템은 광범위한 모든 작업 스펙트럼 전반에서 제 역할을 해내야 하지만, 오늘날의 모델들은 몇몇 고립된 개별 사례에서만 성공을 거두고 있을 뿐이다.

데이터 부족과 '월드 모델'의 부상

인터넷상의 방대한 공개 텍스트 데이터를 학습한 거대언어모델과 달리, 체화된 AI(Embodied AI)는 고품질의 물리적 시연 데이터 부족에 심각하게 시달리고 있다. 원격 조작 데이터 수집은 느리고 비용이 많이 들며, 영상만 활용한 학습은 물리적 동작의 정밀도가 떨어진다. 또한 통제되지 않은 환경에 자율 로봇을 배치하는 것은 여전히 위험하다.

Agility Robotics의 공동 창립자 Jonathan Hurst는 물리적 세계에는 도구, 형태, 환경 등 거의 무한에 가까운 변형이 존재하기 때문에, 범용 자율성을 달성하기 위해 순수하게 학습 데이터에만 의존하는 방식은 근본적으로 결함이 있다고 주장한다. AI 분야의 석학 Yann LeCun 역시 다보스 포럼에서 언어에 맞춤화된 AI 접근법은 고차원적이고 노이즈가 많으며 연속적인 물리적 데이터에는 잘 들어맞지 않는다고 지적했다.

이러한 장애물은 영상, 센서, 3D 스캔 데이터를 학습해 물리적 물체가 어떻게 움직이고, 변형되고, 충돌하고, 상호작용하는지 예측하도록 설계된 AI 시스템인 '월드 모델(world models)' 연구를 가속화했다. 이 모델들은 물리 법칙을 정확히 시뮬레이션함으로써 로봇이 행동을 취하기 전에 그 결과를 미리 예측할 수 있도록 돕는 것을 목표로 한다.

이 분야에 막대한 자본이 유입되고 있다.

• Stanford 연구원 Fei-Fei Li가 공동 창립한 World Labs는 10억 달러의 투자를 유치한 뒤, 지난 9월 AMD에 82억 달러에 인수되었다.

• Yann LeCun이 공동 창립한 AMI Labs는 지난 3월 10억 달러를 유치했다.

• 범용 로봇 두뇌를 개발하는 샌프란시스코 스타트업 Physical Intelligence (PI)는 2024년 파운데이션 모델 π0를 선보인 데 이어 2026년 4월 π0.7로 업데이트했다. 최신 버전에는 향후 작업 단계의 이미지 스냅샷을 제공하는 경량 월드 모델이 통합되었다. 테스트 과정에서 π0.7은 직접 훈련받지 않은 작업인 고구마를 에어프라이어에 넣는 동작을 시도해 조합적 일반화(compositional generalization)의 초기 징후를 보였으며, 이는 에어프라이어 바스켓과 관련된 원격 조작 데이터의 단서를 활용한 것이었다.

시연과 현실의 간극: 물리적 세계에서의 신뢰성

이러한 연구적 진전에도 불구하고, 통제된 시연과 실제 현장에서의 자율 배치 사이에는 여전히 거대한 격차가 존재한다. 화제를 모은 수많은 시연 영상은 보이지 않는 곳에서의 스크립팅(사전 프로그래밍)이나 실시간 원격 조작에 의존하고 있다. 예를 들어 2025년 3월 Nvidia의 Jensen Huang과 함께 무대에 올랐던 로봇은 무대 뒤 인간 조작자에 의해 원격으로 제어된 것이었다.

소비자용 및 상업용 애플리케이션에서는 높은 신뢰성이 필수적이다. Boston Dynamics 창립자 Marc Raibert는 실험실 환경에서 성공률을 50%에서 70%로 끌어올린다 하더라도, 기계가 실용적으로 쓰이기에는 여전히 너무 자주 실패한다는 점을 지적했다.

현재 현장에 배치된 휴머노이드는 통제된 환경에서의 좁고 반복적인 작업에만 국한되어 있다. Agility Robotics는 Amazon, GXO Logistics, Schaeffler 등이 운영하는 시설에서 수백 대의 로봇을 시험 운영하고 있지만, 이들의 작업은 여전히 토트(상자)나 통을 운반하는 것에 집중되어 있다. 스타트업 1X는 가정용 로봇 Neo의 사전 예약을 2만 달러에 시작했으나, 초기 버전은 집안일을 처리하기 위해 원격 인간 조작자를 필요로 한다.

Hurst는 유용한 가사 노동을 독립적으로 수행할 수 있는 완전 자율 로봇이 등장하기까지는 약 10년이 더 걸릴 것으로 내다봤다.

중국으로 이동하는 산업 규모

서구 연구소들이 범용 소프트웨어 아키텍처에 집중하는 사이, 제조 생산 규모는 중국에 집중되었다. Omdia와 로봇 기업 Unitree의 데이터에 따르면, 2025년 전 세계에 출하된 약 1만 5,000대의 휴머노이드 로봇 중 90% 가까이를 중국 제조업체가 생산했다.

Unitree는 그해 다른 어떤 제조업체보다 많은 휴머노이드를 출하했으며, 6,000달러 미만의 모델을 공급했다. 그러나 현재로서는 일반 소비자보다는 기업 연구소, 대학, 국유 기업 등에 구매 주문이 크게 집중되어 있는 실정이다.

1495년 Leonardo da Vinci의 기계식 기사 스케치, 1939년 Westinghouse의 Elektro, 그리고 단순 시연 단계를 넘어서지 못해 2018년 개발이 중단된 Honda의 ASIMO에 이르기까지, 휴머노이드 로봇 공학은 오랫동안 현실 세계의 복잡성과 씨름해 왔다. 최신 AI 모델이 그 어느 때보다 풍부한 인지 능력과 동작 제어를 제공하고 있음에도 불구하고, 기계를 진정으로 신뢰할 수 있는 범용 도우미로 탈바꿈시키는 일은 하루아침의 돌파구가 아닌 기나긴 마라톤으로 남아 있다.