오지 않은 사람은 반드시 봐야 하고, 온 사람은 안 보면 온 의미가 없다.

글: 바이스, 저우융량, 기크파크(GeekPark) 편집: 저우융량 리위안

8월 19일, 베이징 이좡의 공기에는 묘한 흥분이 감돌았다. 2026 세계로봇대회(WRC) 개막일이었기 때문이다. 300여 개 기업, 2,000여 점의 전시품이 임바디드 AI 업계가 내놓을 수 있는 거의 모든 것을 이곳에 쏟아냈다. 대형 모델, 본체, 핵심 부품, 데이터까지 없는 것이 없었다.

개막 당일, 유니트리(Unitree)가 상장 기념 종을 울리며 증시에 데뷔했다. 장중 시가총액은 한때 4,000억 위안을 돌파했다. 이는 아마 지난 10년간 중국 로봇 업계에서 ‘자본의 광란’에 가장 가까운 하루였을 것이다. 과거 로봇 회사들은 연구실, 투자 유치 뉴스, 데모 영상 속에 더 많이 존재했다. 그러나 유니트리의 상장은 아직 초기 단계인 이 트랙에 처음으로 자본 기준점을 박았다.

이 밖에도 딥로보틱스(云深处科技)는 거래소 접수·심사 단계에 들어갔고, 즈위안 로봇(智元机器人)은 2026년 7월 홍콩 상장 절차 착수를 확정했다. 1차 시장의 열기가 2차 시장으로 전이되고 있으며, 임바디드 AI는 더 이상 기술적 상상만이 아니라 매출, 납품, 매출총이익, 규모화에 대한 답을 요구받기 시작했다.

전시장 전체를 둘러본 결과, 당초 예상대로 올해는 모든 사람이 ‘와’ 할 순간은 없었고 데모 시연이 더 많았다. 유니트리는 막 발표한, 제자리 점프 2m, 주행 속도 12.66m/s의 ‘슈퍼맨’을 선보이지 않았고, 부스에서는 기존 제품이 새로운 동작을 선보이는 데 더 집중했다. 중칭(EngineAI)은 옥타곤 케이지를 행사장에 들여왔고, Vbot은 2차원 아이돌 방식으로 분위기를 띄웠다. 북적임은 확실했지만 ‘파괴적 혁신’이라는 네 글자를 말하는 사람은 거의 없었다.

‘언제쯤 기적이 일어날까’를 계속 묻기보다는, 몇 가지 더 소박한 질문을 던질 필요가 있다. 로봇은 반드시 사람 모양이어야 하는가? 임바디드 AI의 ‘범용성’은 어디까지 왔는가? 데이터는 알고리즘 비즈니스에서 하드웨어 비즈니스로 바뀌고 있는가? 손끝, 관절, 모터 안에 숨은 핵심 부품들은 다시 몇 걸음을 전진했는가?

이 질문들을 안고 우리는 전시장을 한 바퀴 돌며 여러 대표 기업과 깊은 대화를 나눴다. 이들은 반드시 가장 시끄러운 목소리를 내는 곳은 아니지만, 이 트랙에서 벌어지고 있는 핵심 변화를 각각 대표한다. 본체 형태의 분화, 범용 모델의 경쟁, 데이터 클로즈드 루프의 재구성, 그리고 ‘마지막 1cm’에 다가서는 핵심 부품이 그것이다.

갤럭시 제너럴(银河通用) 부스에서는 바퀴형, 중하중형, 이족보행형의 완전히 다른 세 가지 형태의 로봇이 같은 임바디드 파운데이션 대형 모델을 구동했다. Vbot은 반대로 실제 사용 시나리오에서 출발해 첫 휴머노이드 로봇 Vbot ATOM을 역으로 도출했다. 쯔볜량(自变量)은 물류 분류 시나리오에서 시간당 1,816건, 정확도 98% 이상의 효율을 달성했다. 파시니(PaXini)는 ‘촉각’을 해결하는 기술 솔루션을 전신을 덮는 지각 네트워크로 확장했다……

임바디드 AI는 여전히 초기 단계이며, 많은 사람이 기대하는 것보다 훨씬 더 초기 단계다. 지금은 더 어렵고 더 가치 있는 국면으로 접어들고 있다. 모델, 본체, 부품, 엔지니어링 역량을 하나의 클로즈드 루프로 묶을 수 있는 곳만이 다음 단계에서 진짜 가치 있는 기업이 될 수 있다.

01. 로봇은 반드시 사람 모양이어야 할까?

지난 2년간 임바디드 AI의 서사는 휴머노이드 로봇이 강하게 점령했다. 춤추기, 달리기, 권투, 마라톤까지 대중에게 회자된 사건들은 거의 모두 사람 모습을 하고 있었다.

하지만 이번 WRC를 보고 나면 휴머노이드 로봇의 개념이 여전히 확장되고 있다는 사실을 알게 된다. 초대형, 생체 모방, 켄타우로스... ‘사람을 닮는다’는 더 이상 하나의 정답만 있는 것이 아니다. 동시에 휴머노이드 밖에서도 실제 작업에 따라 로봇 형태를 다시 설계하는 기업이 늘고 있다. （*주: 영상은 원문 링크에서 볼 수 있습니다）

올해 WRC를 돌아보면 유니트리의 휴머노이드 쪽은 확실히 치열하게 밀어붙였고, 새로운 격투 동작을 선보였다. G1은 격투에서 콤비네이션 펀치, 회전 킥, 점프 킥을 잇달아 구사했는데, 전신 관절의 실시간 협응이 뒷받침됐다. H2는 몸집이 더 크고 관절 출력이 더 강해 펀치와 킥에 더 무게감이 실렸다. 두 로봇을 함께 놓고 보면 그야말로 ‘민첩함’과 ‘힘’의 두 가지 스타일이었다.

탁구 인터랙션도 볼 만했다. 로봇은 날아오는 공을 먼저 ‘읽고’ 어떻게 받아칠지 결정해야 하는데, 이는 단순히 정해진 동작을 반복하는 것보다 지각과 의사결정의 협업을 더 크게 시험한다. 전신 원격조작 격투 시스템까지 더해지면 조작자의 동작이 정밀하게 재현되는데, 이 모든 것의 이면에는 임바디드 AI 데이터 클로즈드 루프를 축적하려는 유니트리의 의도가 있다.

하지만 가장 눈에 띈 것은 GD01이었다. 3m 높이에 사람을 태우고 변형할 수 있는 메카였다. 이는 휴머노이드도, 전통적인 사족보행도 아니라 로봇 기술과 장비 형태를 하나로 섞어 문화관광, 특수 작업 같은 현장을 정조준한 제품이었다.

이번 WRC에서 Vbot(비타동력)은 휴머노이드 임바디드 AI 단말기 Vbot ATOM을 공식 공개하고 예약을 동시에 시작했다. ATOM에서 주목할 점은 콘셉트 프로토타입에서 출발한 것이 아니라, 4족 로봇 ‘다터우(大头)’에서 이미 검증된 제품 정의, 양산 납품, 사용자 운영 역량을 이어받았다는 것이다.

올해 5월, AI 적재 로봇견 ‘다터우’는 양산 납품을 달성했다. 현재까지 이 제품은 소비자용 임바디드 AI 판매량 1위를 기록했고, 실제 환경에서 누적 126만 회 대형 모델 인터랙션, 23,700km 사용자 동반 주행, 131,500시간의 동행을 기록했으며, 최근 3개월간 4차례 OTA도 완료했다. 임바디드 AI 업계에서 이 데이터의 의미는 단순한 판매량에 있지 않다. Vbot이 로봇을 실제 사용자의 삶 속에 들여보냈고, 납품·사용 피드백·지속적 개선으로 이어지는 제품 클로즈드 루프를 형성했음을 증명했다는 데 있다.

다터우의 실전 경험을 바탕으로 Vbot ATOM은 전통적인 산업용 휴머노이드 로봇의 사고방식을 답습하지 않고, 가정·소매·공공 공간·사무 서비스 등 생활 시나리오에서 출발해 제품 형태를 역으로 정의했다. 160cm 키, 180cm 팔 길이, 95cm 다리 길이, 31개의 본체 자유도는 실제 사람과 비슷한 스케일의 서비스 능력을 갖추도록 했고, 패브릭 커버, 상태 인터랙션 디자인, 저소음 발바닥은 가정과 공공 환경에서 더 친근하고 수용되기 쉽게 만들었다.

기술 측면에서 Vbot은 ‘Vbot Embodied Genome｜임바디드 게놈’ 임바디드 모델 체계와 3대 핵심 모델도 발표했다. 이는 인터랙션 이해, 월드 모델 의사결정, 본체 간 진화, 실제 피드백 환류를 뒷받침하기 위한 것이다.

이런 관점에서 Vbot ATOM의 등장은 Vbot이 4족 로봇에서 휴머노이드 로봇으로 영역을 넓힌 것에 그치지 않고, 이미 검증된 제품화 역량을 더 넓은 생활 공간으로 가져가 휴머노이드 로봇이 본체 전시를 넘어 제품화의 순간으로 나아가도록 밀어붙이고 있다는 뜻이다.

미래부원(未来不远) 로봇은 전적으로 가정 수요를 중심으로 설계돼 기본적인 가사, 아동 돌봄, 노인 간병, 반려동물 케어 등의 시나리오를 수행할 수 있다. 현재 이들은 500여 개 유료 가정에 진입했고, 누적 서비스 시간은 5만 시간을 넘는다.

미래부원 로봇은 가정 시나리오에서 빠르게 반복하는 능력도 선보였다. 한 달 전 WAIC에서는 세탁, 옷 개기, 수납 등 기본 가사를 중점적으로 시연했지만, WRC 현장에서는 공간을 주방으로 확장했다. 차세대 자기진화 WAM 월드 액션 모델을 탑재한 2세대 풀스택 자체 개발 로봇 본체 F2가 파스타 만들기를 처음부터 끝까지 자율적으로 수행했다.

완전한 요리 과정은 로봇의 협응 능력, 정밀도, 판단력에 대한 요구가 매우 높다. 양팔의 고정밀 동기 협응이 필요하고, 되돌릴 수 없는 유체 조작에서는 비전을 통해 순간적으로 사용량을 정확히 판단해야 한다. 동시에 여러 주방 도구를 유연하게 바꾸고 잡고 교체해야 하며, 볶는 화력처럼 정답이 없는 ‘인간적인 감각’까지 스스로 학습해야 한다. 미래부원 로봇은 현장에서 중단 없이 연속 조리를 선보이며 놀라운 안정성을 보여줬다.

미래부원은 본체, 두뇌, 하드웨어까지 소프트웨어·하드웨어 협업의 풀스택 자체 개발을 하고 있어 새로운 시나리오에 더 빠르게 대응할 수 있다고 밝혔다. 가벼운 가사에서 무거운 가사로 점차 확장하는 것 외에도, 미래부원은 아동·노인·반려동물을 아우르는 필수 수요 시나리오까지 가정용 수요를 이해하고 있다. 현장에서는 오목, 샹치(중국 장기) 등 다양한 보드게임 조작, 음료 개봉, 인터랙티브 게임, 2대 협업 작업 등도 시연했다. 뛰어난 현장 적용성과 인터랙션 덕분에 부스는 내내 사람들로 둘러싸여 있었다.

쯔볜량(自变量) 로봇은 현재 가정과 물류 두 시나리오에 집중하고 있다. 이 중 물류 시나리오에서는 완전한 휴머노이드 로봇과 5지형 덱스터러스 핸드를 쓰지 않고, 두 개의 로봇 팔과 일반 그리퍼를 조합해 모양·무게·재질이 무작위로 달라지는 실제 택배 상자를 처리한다.

이 로봇은 택배 상자 자체의 물리적 특성에 따라 처리 방법을 결정한다. 작은 물건은 바로 집어 올리고, 무거운 상자는 밀 수 있으며, 운송장이 없는 곰인형 같은 비정형 물건을 만나면 후속 절차를 판단해 자율적으로 처리한다. 앞서 공개 생방송에서 이 시스템은 1시간 연속 가동하며 시간당 1,816건의 분류 효율과 98% 이상의 정확도를 기록했다.

쯔볜량은 현장 인터뷰에서 로봇이 이미 실제 응용 단계에 들어섰다고 강조했다. 가정용 로봇은 이미 다수 사용자 가정에서 서비스 중이고, 물류 분류도 선두 기업에 납품되고 있다.

02. 임바디드 AI의 범용성은 어디까지 왔을까?

임바디드 AI의 범용성, 즉 범용 작업 능력은 임바디드 AI 로봇이 다양한 물체, 환경, 명령을 넘나들며 복잡한 작업을 수행할 수 있는지, 그리고 새로운 시나리오에서 다시 계획을 세울 수 있는지를 의미한다.

능력 측면에서 임바디드 AI는 범용성에서 ‘단일 동작 시연’ 단계를 넘어섰다. 이제 앞선 로봇들은 여러 기술을 연결해 수행하고 상태를 추적하며, 외란이 발생한 후에도 다시 계획을 세울 수 있다.

지능 측면에서 체화 로봇의 범용성은 분명 모델과 관련이 있으며, 현재 모델의 기술 경로는 아직 수렴되지 않았다. 선두 기업들이 개발하는 경로로는 엔드투엔드 VLA(비전-언어-행동 모델), WAM(세계 행동 모델), 계층형 체화 에이전트 운영체제, 그리고 크로스 바디 체화 파운데이션 모델 등이 있다.

그중 엔드투엔드 VLA/WAM의 대표로는 Galaxy General(银河通用), Qianxun Intelligence(千寻智能), Future Not Far(未来不远)이 있다. 이 접근 방식의 공통점은 시각, 언어, 동작과 일부 상태 예측을 최대한 통합 모델 또는 표현에 담는 것이다.

Galaxy General이 WRC에서 공개한 이족 보행 휴머노이드 로봇 Galbot ET1 ‘Galaxy Xingzai(银河·星仔)’는 에이전트 상호작용 자가학습 스킬을 활용해 사람의 동작을 직접 관찰한 다음 댄스와 고역동 동작을 실시간으로 모방한다. 또한 Galaxy General의 ‘LATENT’ 고역동 테니스 대응 모션 플래닝 및 제어 학습 프레임워크를 통합해 실제 사람과 같은 테니스 연습 상대를 구현할 수 있다.

ET1이 댄스와 테니스 등 연속적인 인간형 동작을 실시간으로 모방할 수 있도록 지원하는 것은 AstraBrain WBC, 즉 Galaxy Star Brain(银河星脑) 시스템에서 전신 실시간 모션 제어를 담당하는 소뇌 기반 모델이다.

구체적으로, 댄서가 새로운 동작을 보여주면 ET1은 시각을 통해 사람의 실시간 움직임 궤적을 인식·추출한 뒤 그 동작을 자신의 몸에 매핑한다. 이는 미리 편성된 동작 라이브러리에서 궤적 하나를 골라 재생하는 것이 아니라 실제로 실시간 모방하는 것이다.

Galaxy General은 현재 이족 보행 휴머노이드 로봇 Galbot ET1과 Galbot G1, S1 등 다양한 폼팩터의 로봇을 보유하고 있다. 회사는 ‘하나의 두뇌로 서로 다른 본체, 작업, 환경을 아우른다’는 점을 강조한다. 이 로봇들은 가정, 소매, 산업 현장에서 각각 애플리케이션을 갖지만 동일한 임바디드 AI 기반 모델을 공유한다. 폼팩터가 다른 로봇들은 각자의 모션 제어 시스템을 갖추고 있지만, 인지, 작업 이해, 월드 모델링, 행동 계획 능력은 재사용할 수 있다.

Galaxy General은 인터뷰에서 과거에는 로봇이 새로운 환경에 들어가면 그 환경에 맞춰 데이터를 다시 수집하고 다시 훈련해야 하는 경우가 많았지만, 이제는 같은 기반 모델을 서로 다른 본체와 작업에 재사용하기 시작했다고 밝혔다. 소량의 데이터로 적응하면 휠 로봇에도, 중하중 로봇에도 사용할 수 있고, 이족 보행 로봇으로 옮겨도 두뇌를 처음부터 다시 훈련할 필요가 없다.

Future Not Far(未来不远)는 앞서 AVLA를 기반으로 시각·언어·동작의 엔드투엔드 폐루프를 구축했고, 이를 바탕으로 Self-Evolving WAM(자기진화 월드 액션 모델)을 추가로 내놓았다. 이를 통해 로봇이 작업을 이해하고 실행할 뿐 아니라 동작 결과를 예측하고, 실제 가정에서 얻은 실행 데이터를 이용해 모델을 지속해서 반복 개선할 수 있다.

Future Not Far에 따르면 세탁 시나리오를 예로 들면, 이 모델은 수십 종의 세탁기로 훈련한 뒤 이미 수백 가지 기종, 도어 여는 방식, 버튼 유형으로 일반화할 수 있다. 유사한 일반화 능력은 의류, 장난감 등 가정용 물품에도 적용되어 로봇이 다양한 가정 환경에서 역동적으로 변하는 작업을 수행할 수 있게 한다.

Independent Variable(自变量)는 자사 모델 WALL-B의 범용성을 집중적으로 선보였다. 가정 서비스와 물류 분류라는 매우 상이한 두 시나리오에서 같은 모델이 구동된다. WALL-B는 시각, 언어, 촉각, 동작, 물리 예측을 통합 네트워크에 융합해 로봇이 중력, 관성, 마찰 같은 물리 법칙을 이해하고 동작 결과를 미리 판단하게 한다.

계층형 임바디드 AI 아키텍처의 대표적 탐색으로는 LimX Dynamics(逐际动力)의 COSA가 있다.

COSA 0.5는 로봇 두뇌를 3개 층으로 나눈다. System 2는 환경 이해, 기억, 추론, 작업 스케줄링을 담당하고, System 1은 VLA 등 조작 스킬을 호출하며, System 0은 최대 1000Hz로 전신 모션 제어를 수행한다.

다양한 로봇 본체를 지원하는 임바디드 기반 모델의 대표 중 하나는 Galaxea(星海图) G0.5이다. WRC 현장에서 G0.5를 탑재한 R1 Lite는 이동 중에도 정리 작업에 필요한 환경 이해, 작업 분해, 양팔 조작, 이상 회복을 수행했다. G0.5는 통일된 동작 인코딩을 통해 같은 모델을 서로 다른 로봇 본체에 맞게 적용한다.

Qianxun Intelligence(千寻智能)는 자사의 Moz1로 ‘식당 정리’ 같은 장기 작업(long-horizon task)에 도전한다. 로봇은 음성 명령 한 마디를 받으면 환경 둘러보기, 콜라 집기, 냉장고로 이동하기, 문 열고 넣기, 문 닫기, 그리고 더러운 그릇을 식기세척기로 옮기기까지 일련의 동작을 연속으로 수행해야 한다. 목표물이 옮겨지거나 가려지거나, 이미 정리된 환경이 다시 어지럽혀지면 다시 인지하고 계획을 세운다.

애플리케이션 측면에서 보면 로봇이 사람처럼 가정과 공공 공간에 들어가 복잡한 작업을 수행하는 것은 현재 성숙도가 상대적으로 부족하다. 특히 사람과 직접 상호작용하는 경우 안전성을 고려해야 한다. 하지만 공장, 창고 및 비교적 폐쇄된 환경에서는 로봇이 이미 상대적으로 복잡한 장기 작업을 일부 수행할 수 있다.

예를 들어, RobotEra(星动纪元)의 싱둥 M7은 현장에서 무작위 택배 인식, 집기, 운송장 뒤집기, 컨베이어 라인 투입 등의 동작을 연속으로 수행했다. 이 능력은 중국우정(China Post) 등 물류 센터에 이미 적용되었으며 시간당 최대 1200건을 처리한다.

임바디드 AI의 범용 능력과 수직 분야 능력은 서로 배타적이지 않다. 로봇이 실세계의 수직 분야에서 다양한 비표준 작업에 적응하고 안정적으로 작동하면, 이는 오히려 범용 능력 향상에 다시 기여할 수 있다.

또한 각 기업의 모델 진화 노력은 단일 스킬에서 벗어나 여러 로봇 본체, 장기 작업, 동적 환경 일반화 등의 방향으로 나아가고 있다.

03, 임바디드 데이터는 이제 하드웨어 비즈니스가 되고 있는가?

임바디드 AI의 범용 성능이든 수직 분야 성능이든 모델에는 대량의 고품질 데이터가 필요하다.

로봇 데이터 수집의 현재 주류 방식으로는 원격 조작(teleoperation), 무본체 UMI 및 데이터 글러브, 1인칭 시점 수집 및 모션 캡처, 실제 로봇 본체 수집 등이 있다. 거의 모든 방식이 하드웨어를 수반하기 때문에, 일각에서는 ‘임바디드 AI 데이터 수집이 하드웨어 비즈니스가 되는 것 아니냐’는 농담이 나온다.

사실 데이터의 중요성은 데이터 자체가 아니라 모델, 즉 지능에 있다. 데이터가 충분히 많고 품질이 충분히 높아 모델 진화에 다시 기여하고, 현장에서 데이터 폐루프와 데이터 플라이휠을 형성할 수 있을 때 그 의미가 실제로 드러난다.

Lightwheel Intelligence(光轮智能)는 독립 임바디드 AI 데이터 분야의 선두 기업 중 하나로, 인간 1인칭 시점 데이터, 물리 시뮬레이션, 대규모 평가, 실기 피드백을 중심으로 Real2Sim2Real 데이터 폐루프를 구축한다.

이번 WRC에서 Lightwheel Intelligence는 SimFoundry 시뮬레이션과 RoboFinals 평가 체계를 중점적으로 선보였다. SimFoundry는 실제 물체 파라미터 측정과 자체 개발 물리 솔버를 통해 의류, 케이블 등 유연 물체의 시뮬레이션 정밀도를 높인다. RoboFinals는 로봇 모델의 대규모 테스트 및 평가에 사용되어 모델이 실제 환경에 투입되기 전에 시스템 검증을 거치게 한다.

원격 조작, UMI, 모션 캡처는 인간 중심의 고품질 데이터 획득 방식이지만 비용이 여전히 너무 높아 모델의 데이터량 요구를 충족하기 어렵다.

임바디드 데이터를 얻는 방법은 더 많다. 예를 들어 비디오 데이터, 게임 데이터, 그리고 최근 1~2년 새 부상한 월드 모델이 있다.

GigaVision(极佳视界)은 월드 모델 노선을 걸으며 월드 모델을 ‘데이터 증폭기’로 활용한다. GigaWorld는 로봇 동작에 따라 환경 변화를 추론해 훈련과 테스트에 필요한 상호작용 데이터를 대량으로 생성한다. GigaWorld-1은 여기에 동작 모델링과 물리 파라미터 추정을 더해 파지, 충돌 등 조작 시뮬레이션의 신뢰도를 높인다.

따라서 데이터는 단순한 하드웨어 비즈니스가 아니라 여러 유형과 여러 형태로 존재한다. 또한 단순 데이터 수집보다 임바디드 AI 모델 향상에 더 큰 영향을 미치는 것은 데이터 플라이휠을 형성하는 것일 수 있으며, 이는 임바디드 데이터 수집에만 집중하는 개별 기업이 완성하기 어렵다.

데이터 폐루프와 데이터 플라이휠을 형성하려면 구체적인 현장에 들어가 로봇과 함께 협력하며, 실제로 생성된 데이터로 모델을 반복 개선하고 최적화해야 한다.

예를 들어 Galaxy General은 ‘Galaxy Star Data(银河星数, AstraData)’ 데이터 기반을 구축해 인터넷 데이터, 인간 행동 데이터, 시뮬레이션 합성 데이터, 실제 로봇 원격 조작과 실제 현장 재유입 데이터를 모델 훈련에 통합 사용하고, 현장 검증 및 재유입 최적화 폐루프에 연결한다. 범용 소뇌 모델 AstraBrain-WBC 0.5는 약 2만 시간, 20억 프레임의 인간 동작 데이터로 훈련되었으며, 엔지니어링 최적화 후 추론 지연이 1.5밀리초 미만이고 전체 모션 캡처 체인의 지연은 20밀리초 미만이다.

Agibot(智元机器人)의 데이터 수집 2.0 시스템은 430여 개의 실제 환경을 기반으로 실제 로봇, 무본체, 다중 소스 데이터 피라미드를 구축하고, 모델 평가, 현장 적용, 실제 환경 적합성 테스트, 운영 데이터 재유입을 하나의 시스템 안에 통합했다.

한 걸음 더 나아가 해외의 한 스타트업은 공장 환경에서 현장 작업자가 직접 로봇을 교정하게 한 뒤, 새로운 행동을 계속 프로세스에 연결하고 데이터를 수집해 임바디드 모델에 대한 사후 훈련(Post-Training)을 진행한다.

Galaxy General, Zhipingfang(智平方), Agibot 등 중국 기업도 이미 이 방향으로 나아가고 있다. 향후 임바디드 데이터의 공통 추세는 데이터 수집이 ‘중앙집중식 데이터 수집 공장’에서 ‘로봇 배치 현장’으로 이동한다는 것일 수 있다.

04, 핵심 부품은 몇 걸음 앞으로 나아갔나?

기민한 손(dexterous hand), 촉각 인지, 시각 인지, 모터, 관절 등 핵심 부품의 진전은 업계가 실제로 얼마나 앞으로 나아갔는지를 더 잘 보여준다. 임바디드 AI 핵심 부품 분야에서 가장 중요한 것은 정밀 조작과 인지이며, 인지 중에서도 가장 중요한 것은 촉각 인지와 시각 인지다.

정교한 로봇 손은 로봇이 정밀 작업을 수행하는 핵심이다. 링신차오서우(灵心巧手)를 예로 들면, 이 회사는 「정교한 로봇 손이 정교한 로봇 손을 조립하는」 사례를 선보였다. 로봇은 시각 인식, 양손 협업, 정밀한 힘 제어를 통해 좁은 공간에서 부품 집기와 조립을 완료하며, 로봇 손을 단순한 집기에서 정밀 산업 작업으로 한 단계 발전시켰다.

동시에 링신차오서우도 모델 역량을 지속적으로 끌어올리고 있다. 이 회사는 현재 마트, 공장, 물류 등 비교적 명확한 시나리오에서는 여러 도구와 공정에 대해 일정 수준의 일반화를 구현했지만, 완전히 다른 시나리오로 넘어가려면 계속 학습이 필요하다고 전했다.

링신차오서우는 임바디드 데이터에도 진출했다. Open TeleDex 시스템은 시각, 촉각, 고유수용감각 데이터를 동시에 수집해 정교한 조작 모델 훈련에 활용할 수 있다. 이 회사는 이상적인 로봇 손을 “사람의 손도 있어야 하고, 사람의 소뇌도 있어야 한다”로 요약한다. 궁극적으로 다양한 물체를 잡을 수 있어야 할 뿐만 아니라 여러 도구를 이해하고 사용할 수 있어야 한다는 뜻이다.

파시니 퍼셉션의 핵심 역량은 촉각이다. 자체 개발한 6D 촉각 센싱 칩을 사용하며, 이번에 파시니는 발바닥 다차원 촉각 센서 PX-FOOTRIX와 GEN4 FUSE 칩 기반의 4세대 다차원 촉각 제품도 선보였다. 그리퍼, 전신 전자 피부 등 폼팩터를 아우르며 인지를 전신으로 확장했다.

그 배경에는 구조 설계, 하드웨어 시스템, 알고리즘 모델에 이르는 파시니의 풀스택 자체 개발이 있다. 이를 바탕으로 파시니는 촉각 센싱 신호 수집부터 3차원 힘, 6축 힘 출력까지의 전체 파이프라인을 연결해 로봇이 더 안정적이고 재현 가능하며 정량화 가능한 힘·촉각 정보를 얻을 수 있도록 했다.

촉각의 응용은 결국 조작으로 돌아간다. 파시니는 현장에서 휴머노이드 로봇이 시각과 촉각을 함께 활용해 작은 말 모형을 자율 조립하는 시연을 선보였다. 먼저 다양한 모양의 부품을 식별한 뒤, 접촉 상태에 따라 파지가 안정적인지, 삽입이 제대로 이뤄졌는지 판단하고 힘을 동적으로 조정하는 방식이다.

파시니는 촉각을 데이터 수집으로도 확장했다. PXCap Pro 5지 데이터 수집 장갑은 시각, 촉각, 손 자세를 동시에 수집할 수 있으며, 동일한 인간 시연을 서로 다른 로봇 손에 다시 매핑해 ‘한 번 수집, 여러 로봇 재사용’을 구현한다.

파시니는 촉각 데이터를 OmniSharing DB 100억 건 규모의 전모달 데이터셋에 포함시켜 시각, 궤적, 자세, 음성, 텍스트 등 데이터와 함께 임바디드 모델 훈련에 사용한다. 그중 특히 눈에 띄는 것은 다차원 촉각 데이터로, 사람이 물체와 접촉할 때 받는 힘과 상태 변화를 기록할 수 있다.

시각 인지 측면에서 오르벡은 임바디드 지능을 위한 Gemini 330 시리즈 스테레오 3D 카메라를 선보였다. 자체 개발한 MX6800 뎁스 엔진 칩을 탑재했으며, 최신 로봇 비전 신제품 Physis는 휴머노이드 로봇, 협동 로봇팔 등 장시간 운용이 필요한 임바디드 지능 애플리케이션을 위해 설계됐다. 사람에 가까운 시각 인지 능력을 제공하며, 넓은 시야, 고품질 이미징, 실제 공간 인지, 높은 신뢰성 사이에서 극한의 균형을 구현한다.

동시에 오르벡은 시각 역량을 임바디드 데이터 수집으로 확장해 무본체 데이터 수집 플랫폼을 출시했다. EGO, UMi, WristCam, Hub 등 네 가지 폼팩터를 하나의 시스템에 통합했다. EGO는 1인칭 시점을 기록하고, WristCam은 손목 근접 시점을 수집하며, UMi는 손과 물체의 상호작용 동작을 보완해 다중 시점 데이터 링크를 형성한다. 이를 모방 학습과 월드 모델 훈련에 사용한다.

로봇 손, 시각 인지 및 기타 인지 능력이 중요한 이유는 그것이 임바디드 지능의 실제 구현을 위한 마지막 1cm이기 때문이다. 아무리 모델이 똑똑해도 좋은 로봇 손이 없으면 로봇은 사람처럼 정밀한 조작을 수행할 수 없고, 인지 능력이 없으면 로봇은 장님이 되어 무엇을 어떻게 해야 할지 알 수 없다.

또한 로봇 손과 인지 분야 기업들이 모두 임바디드 지능 데이터로 영역을 확장하고 있는 점이 관찰된다. 이는 임바디드 지능 업계 전반의 데이터에 대한 갈증이 얼마나 큰지 보여준다.

05. 업계 전반은 어느 단계까지 발전했나?

임바디드 지능 열풍은 10년 전의 컴퓨터 비전과 자율주행을 떠올리게 한다. 당시 시장 역시 기술이 몇 년 안에 빠르게 보급될 것이라고 믿었지만, 실험실 수준의 역량과 안정적이고 저비용으로 대규모 배포 가능한 제품 사이에는 긴 거리가 있었다.

자율주행은 10년 이상이 지나서야 소수의 도시와 지역에서 Robotaxi 상업 운행을 시작했다. 이것이 임바디드 지능이 같은 과정을 반복하리라는 것을 증명하지는 않지만, 하나의 법칙을 보여준다.

기술 열풍은 흔히 사람들이 단기 구현 속도를 과대평가하게 하고, 장기적 산업 영향을 과소평가하게 만들 수 있다.

임바디드 지능은 현재 프로토타입 검증에서 제품 검증으로 넘어가는 초기 단계에 있다. 향후 몇 년간은 공장, 물류, 순찰·점검, 상업 서비스 등 구조화된 시나리오에서 먼저 구현될 가능성이 크고, 실제 가정과 일상생활에 들어가려면 더 오랜 시간이 필요하다. 임바디드 지능은 소프트웨어와 하드웨어가 결합되어 있고, 긴 산업사슬을 가진 시스템 공학이기 때문에 단일 분야의 돌파만으로 업계 전체가 빠르게 전진하기 어렵다.

하지만 다른 한편으로 중국은 비교적 완전한 로봇 공급망, 제조 역량, 엔지니어링 인재, 많은 실제 시나리오를 보유해 완제품 시제작, 비용 절감, 현장 배치, 데이터 획득, 제품 이터레이션의 주기를 단축할 수 있다.

이런 조건이 특정 기업이나 특정 기술 경로의 성공을 보장하지는 않지만, 중국이 로봇을 실제 시나리오에 지속적으로 투입해 기술, 엔지니어링, 상업적 검증을 완료할 수 있게 해준다.

열풍은 결국 사그라질 것이다. 임바디드 지능이 일반인의 삶에 들어오는 데 걸리는 시간은 시장의 기대보다 더 길 수 있다. 하지만 로봇이 실제로 공장, 창고, 가정에서 일하기 시작할 때, 임바디드 지능의 이야기는 비로소 시작된 것이다.

미국 연방거래위원회, AI 기업의 서적 폐기 행위 조사 촉구받아

인기 기사