휴머노이드 로봇: Ronnie Vuine이 말하는 값비싼 오류

휴머노이드 로봇은 공장에서 작동하도록 설계된 머리, 다리, 두 팔을 가진 인간을 닮은 기계입니다. Micropsi Industries의 공동 창립자인 Ronnie Vuine은 이러한 디자인이 값비싼 인형 놀이에 불과하다고 생각합니다. Leonard Schmedding과의 인터뷰에서 그는 왜 산업 현장에서는 바퀴가 더 나은 선택인지 설명합니다.

Vuine은 2014년부터 베를린에서 산업용 로봇을 위한 소프트웨어를 구축해 왔습니다. 그의 제품인 MIRAI는 시연(imitation learning)을 통해 로봇에게 능력을 부여합니다. 수십 개의 시스템이 전 세계 생산 현장에서 가동되고 있습니다. 많은 휴머노이드 프로토타입(prototypes)과는 달리, 그의 고객들은 이를 통해 수익을 창출하고 있습니다.

왜 휴머노이드 로봇은 공장에서 실패하는가

Vuine의 비판은 두 가지 부품, 즉 머리와 다리를 겨냥합니다. 산업용 로봇에는 머리가 필요하지 않습니다. 카메라는 시선이 향해야 하는 곳 어디에나 배치할 수 있습니다. 기가비트 이더넷(Gigabit-Ethernet)은 컴퓨터로 가는 짧은 신호 경로를 불필요하게 만듭니다.

다리는 훨씬 더 비쌉니다. 이족 보행 디자인은 최대 15개의 관절을 포함합니다. 이 관절들은 오직 중력에 저항하는 데에만 작동합니다. 조립 공정에서 이들은 아무런 기능을 수행하지 못합니다. 바퀴를 사용하는 로봇은 에너지의 50% 대신 5%만을 소비합니다.

에너지 문제는 배터리로 인해 더욱 악화됩니다. 움직이는 다리에 장착된 무거운 화학 물질은 무게를 더욱 증가시킵니다. 평평한 공장 바닥에는 바퀴가 논리적인 해결책입니다. 자동차가 다리 위에 서 있지 않은 것도 같은 이유 때문입니다. 많은 기업에게 결국 중요한 것은 인간의 형태가 아니라 측정 가능한 자동화입니다.

파운데이션 모델(Foundation Models)의 70% 오류

범용 로봇 모델은 현재 70%가 넘는 작업 성공률(Task-Success-Rates)을 달성하고 있습니다. 하지만 공장에서는 이것으로 충분하지 않습니다. 자동차 생산 라인은 99% 이상의 성공률을 요구합니다. 주방에서조차 70%의 성공률은 일주일에 접시 하나가 깨지는 것을 의미합니다.

Vuine은 그렇기 때문에 Vision-Language-Action (VLA) 모델의 약속이 시기상조라고 생각합니다. 언어는 복잡한 조립 단계를 설명할 수 없습니다. 로봇은 작업을 신뢰성 있게 수행하는 대신, 작업에 대해 말만 하게 됩니다. 반면 강화학습 (Reinforcement Learning)은 물리적 세계에 적용하기에는 너무 느립니다.

Google의 한 시도는 이 문제를 명확히 보여주었습니다. 9개월 동안 지하실에 있는 30대의 로봇이 물체를 집어 올리는 실험을 진행했습니다. 결과는 평범한 수준에 머물렀습니다. 시뮬레이션 (Simulation)은 중력 문제에는 도움이 되지만, 마찰력 (Friction)이나 변형 가능한 재료 (Deformable materials) 문제에는 도움이 되지 않습니다.

Micropsi가 시연을 통해 로봇을 학습시키는 방법

MIRAI는 사전 학습된 파운데이션 모델 (Foundation Model) 없이 시작합니다. 신경망 (Neural network)은 초기에는 아무것도 할 수 없습니다. 엔지니어들이 애플리케이션을 구축하고 손목에 카메라를 장착합니다. 그 후 작업자가 로봇에게 작업물에 대한 올바른 위치를 보여줍니다.

로봇은 작업물을 스캔하고 비디오 데이터를 클라우드 (Cloud)로 전송합니다. 이를 통해 올바른 움직임을 위한 모델이 생성됩니다. 시스템은 시각적 자극에 실시간으로 반응합니다. 작업물이 움직이거나 변형되더라도 위치를 찾아냅니다.

Vuine은 이를 농구에 비유합니다. 당신의 손은 측정 없이 오직 눈만으로 공을 맞춥니다. MIRAI도 정확히 이와 같은 방식으로 매달려 있는 케이블을 조립하거나 정밀하게 접착제를 도포합니다. Bosch Siemens Hausgeräte와 같은 고객들은 이를 통해 냉장고의 누설 여부를 점검합니다. 이러한 로봇 솔루션이 어떻게 수익성을 확보하는지는 저희의 AI 구현 서비스에서 기꺼이 설명해 드리겠습니다.

다리 대신 바퀴: 시장은 어디로 향하는가

Vuine은 휴머노이드 로봇 제조업체를 위한 세 가지 경로를 스케치합니다. 첫 번째 경로는 순수 엔터테인먼트에 머무는 것입니다. 로봇이 서 있다가 문을 열고 손님을 맞이하는 식입니다. 이 세그먼트에는 작지만 안정적인 시장이 존재합니다.

두 번째 경로는 Elon Musk의 도박입니다. 그는 규모의 경제 (Economies of scale)를 통해 Optimus를 매우 저렴하게 만들어, 인간의 형태 (Form factor)가 어디서나 가치를 갖게 만들고자 합니다. Vuine은 이것이 가능성이 낮다고 봅니다. 현재 Tesla 공장에는 휴머노이드 로봇이 서 있지 않습니다.

세 번째 경로는 현실적입니다. '휴머노이드 (humanoid)'라는 단어는 두 개의 팔, 세 개의 카메라, 그리고 바퀴를 갖춘 디자인으로 변질되고 있습니다. 이러한 해석은 로보틱스 개척자인 Rodney Brooks로부터 나왔습니다. 물류 및 생산 분야에서는 다리가 아닌 바퀴를 가진 휴머노이드 로봇이 우세할 것입니다.

진짜 병목 구간: 손과 데이터

Vuine은 가장 큰 격차가 손에서 발생한다고 봅니다. 현재의 로봇 손은 소형차 한 대 값만큼 비쌉니다. 그는 약 6,000유로 정도의 견고한 세 손가락 형태의 손을 원합니다. 이 손은 감각을 느낄 수 있어야 하며 3년 동안 버텨야 합니다. 중국 엔지니어들이 이 부품을 새롭게 발명할 수도 있습니다.

데이터 또한 병목 구간으로 남아 있습니다. Micropsi는 2년 전 산업용 모델에 필요한 데이터 양을 검토했습니다. 결과는 냉혹했습니다. 고도로 전문화된 공장 업무를 위한 관련 학습 데이터 (training data)가 너무 부족합니다. 따라서 현재로서는 데이터 비즈니스가 자생력을 갖추기 어렵습니다.

결론

휴머노이드 로봇은 고전 SF 영화 속 인간처럼 생겼기 때문에 매혹적입니다. 하지만 산업계 측면에서 이러한 형태는 이점보다 비용을 더 많이 초래합니다. 시스템이 밤새 홀로 작동해야 하는 상황이 되면, 외관보다는 신뢰성이 우선됩니다.

기업들을 위한 교훈은 다음과 같습니다: 전문화된 로봇은 오늘날 돈을 벌어다 주지만, 휴머노이드 프로토타입은 아직 그렇지 못합니다. 자동화에 집중하는 이들은 폼 팩터 (form factor) 대신 구체적인 사용 사례 (use case)를 검토해야 합니다. 바퀴와 성능 좋은 손을 갖춘 휴머노이드 로봇이 몇 년 안에 이 분야를 확장해 나갈 것입니다.

자주 묻는 질문 (FAQ)

왜 휴머노이드 로봇은 산업용으로 부적합한가요?

Ronnie Vuine은 두 가지 약점으로 머리와 다리를 꼽습니다. 카메라는 자유롭게 배치할 수 있기 때문에 머리는 불필요합니다. 다리는 중력에 저항하며 작동해야 하는 수많은 관절을 포함하고 있습니다. 이들은 에너지의 최대 50%를 소비합니다. 반면 바퀴는 5%면 충분합니다. 평평한 공장 바닥에서는 바퀴가 이족 보행 디자인보다 훨씬 저렴하고 견고하며 유지보수가 용이합니다.

작업 성공률 (Task-Success-Rate) 70%는 무엇을 의미하나요?

작업 성공률 (Task-Success-Rate)은 로봇이 작업을 얼마나 신뢰성 있게 완수하는지를 설명합니다. 우수한 범용 모델(Generalistic models)의 경우 약 70% 수준입니다. 하지만 산업 현장에서는 이것으로 충분하지 않습니다. 자동차 조립 라인에는 99% 이상의 성공률이 필요합니다. 주방에서조차 70%의 성공률은 계산상 일주일에 접시 하나가 깨진다는 것을 의미합니다. 성공률이 100%에 가까워져야만 엔지니어 없이 밤새 시스템을 가동할 수 있습니다.

Micropsi Industries는 파운데이션 모델 (Foundation Model) 없이 어떻게 로봇을 학습시키나요?

제품인 MIRAI는 제로(zero) 상태에서 시작합니다. 신경망 (Neural network)은 초기에는 아무것도 할 수 없습니다. 작업자가 로봇에게 작업물(Workpiece)의 위치를 보여줍니다. 손목에 장착된 카메라가 작업물을 포착합니다. Micropsi는 이 비디오 데이터로부터 클라우드(Cloud)에서 움직임 모델을 계산합니다. 그 후 로봇은 시각적 신호에 실시간으로 반응하며, 이는 움직이거나 변형된 부품에 대해서도 가능합니다.

휴머노이드 로봇은 다리 대신 바퀴를 갖게 될까요?

Ronnie Vuine은 생산 및 물류 분야에서 정확히 그런 일이 일어날 것으로 예상합니다. '휴머노이드(Humanoid)'라는 단어는 두 팔, 카메라, 그리고 바퀴를 갖춘 디자인으로 의미가 확장되고 있습니다. 이러한 해석은 로보틱스 개척자인 Rodney Brooks로부터도 나왔습니다. 다리는 로봇이 울퉁불퉁한 지형이나 계단을 극복해야 할 때에만 의미가 있습니다. 평평한 공장과 창고에서는 비용, 에너지, 그리고 신뢰성 측면에서 바퀴가 승리합니다.

왜 파운데이션 모델 (Foundation Models)은 로봇에게 아직 제대로 작동하지 않나요?

파운데이션 모델은 로봇이 즉시 모든 것을 할 수 있게 해줄 것이라고 약속합니다. 하지만 물리적 세계에서는 이를 뒷받침할 데이터 양이 부족합니다. 언어는 미세한 조립 단계를 부정확하게 설명할 뿐입니다. 강화학습 (Reinforcement Learning)은 너무 느리고, 시뮬레이션 (Simulation)은 마찰과 재질 문제로 인해 실패합니다. Micropsi는 필요한 데이터 양을 검토했고 냉혹한 결과에 도달했습니다. 오늘날의 모델들은 특화된 공장 작업들을 감당하기에는 역부족입니다.