인공지능 (AI), 사물인터넷 (IoT), 그리고 로보틱스 (Robotics)의 융합은 더 이상 미래의 비전이 아닙니다. 이는 실시간, 지능형, 그리고 문맥 인식 (context-aware) 시스템의 기반으로 빠르게 자리 잡고 있습니다. AI는 인지 (perception) 및 추론 (reasoning)을 가능하게 하고, IoT는 확장 가능한 센싱 (sensing) 및 통신을 제공하며, 로보틱스는 체화된 작동 (embodied actuation)을 전달합니다. AIoT 및 로봇 사물인터넷 (IoRT)과 같은 쌍방향 조합에서의 상당한 발전에도 불구하고, 이 세 가지를 모두 완전히 통합하는 통일된 설계 프레임워크는 여전히 부족한 실정입니다. 본 조사(survey)는 이러한 도메인 전반의 최신 기술을 합성하며, 분산 인지 (distributed cognition) 및 자율적 의사결정을 위해 에지 (edge)에서의 소형 언어 모델 (SLMs)과 클라우드 (cloud)에서의 대규모 언어 모델 (LLMs)의 부상하는 역할을 강조합니다. 우리는 이러한 트렌드에 부합하는 모듈형 시스템 아키텍처를 제안하고, 상호 운용성 (interoperability) 및 피드백 제어 (feedback control)에서의 지속적인 격차를 분석하며, 통합 깊이에 따라 기존 연구를 분류합니다. 우리의 검토는 하이브리드 SLM-LLM 시스템이 IoT 인프라 및 로봇 에이전트와 결합될 때, 실시간 적응, 확장성 및 신뢰성 측면의 과제들을 어떻게 해결할 수 있는지 강조합니다. 본 연구는 모듈식이고 해석 가능하며, 역동적인 환경 내에서 학습이 가능한 차세대 AI-IoT-로보틱스 생태계를 설계하기 위한 개념적 및 기술적 로드맵을 제공하여, 커넥티드 로보틱스 (Connected Robotics) 및 물리적 AI (Physical AI)라는 신흥 패러다임을 위한 길을 열어줍니다.