휴머노이드 현장 투입, 데이터·제어·비용 함께 풀어야

휴머노이드를 공장과 일상에 투입하기 위한 전제로는 작업 필요 데이터의 확보와 안정적 제어기술의 확보가 꼽힌다. 데니스 홍(Dennis Hong)은 휴머노이드의 현장 활용을 위해서는 이 같은 조건이 선행돼야 한다는 과제를 제시했다.

휴머노이드는 사람이 사용하는 공간과 도구를 활용할 수 있다는 장점이 있다. 다만 작업별로는 전용 로봇 대비 비용·성능이 불리할 가능성이 있다.

이 때문에 도입 효과를 높이려면 현장 맞춤 설계를 선택하고 현장 맞춤 제어 방식을 선택하는 것이 중요하다는 설명이다. 휴머노이드의 활용은 사람 환경을 그대로 쓰는 이점과 작업별 한계를 함께 고려해 접근해야 한다는 취지다.

미국 UCLA 기계항공공학과 교수이자 로멜라(RoMeLa) 소장인 데니스 홍은 6일 서울 코엑스에서 '2026 서울 빅데이터 포럼' 개막 기조연설을 진행했다. 이번 포럼은 서울시가 주최하고 서울시립대학교·서울연구원·서울AI재단이 주관했으며, 6~8일 코엑스에서 열리는 AI·ICT 박람회 '스마트라이프위크(Smart Life Week, SLW) 2026' 연계 행사다.

홍 교수는 주제 '지능이 몸을 갖는 순간: 휴머노이드가 여는 물리적 지능의 시대'를 발표하며 로멜라의 로봇 개발 사례를 소개하고 휴머노이드 활용 가능성을 설명했다. 그는 이 과정에서 학습 데이터 확보의 어려움을 설명하고 기존 제어기술과 AI 결합의 필요성을 강조했다.

홍 교수는 휴머노이드가 필요한 이유를 인간 생활·노동 환경에서 제시했다. 계단 높이·문손잡이 위치·도구 형태가 사람 기준으로 설계돼 있으며, 여러 작업을 수행하는 로봇은 인간과 유사한 몸 구조를 가질 때 유리하다고 설명했다. 그는 사람 기준 환경과 도구에 맞추려면 휴머노이드 형태가 유리하다는 취지로 밝혔다.

또한 제조 현장에서는 사람 작업 공간에서 같은 도구를 취급할 수 있으면 자동화를 위한 설비를 전면 변경해야 하는 부담이 줄어든다고 설명했다. 그는 제조 현장에서 기존 공간·도구 활용이 휴머노이드의 장점이라는 점을 전했다.

재난 대응에 대해서는 현장에 도착하기 전 담당 작업을 예측하기 어렵다고 설명했다. 이에 따라 사람용 도구를 활용할 수 있는 형태의 로봇이 도움이 된다고 밝혔다. 그는 제조·재난 대응에서 기존 공간·도구 활용이 휴머노이드의 장점이라는 점을 강조했다.

홍 교수는 기존 공정을 유지한 상태에서도 사람 작업 위치에 휴머노이드 로봇을 투입할 수 있다고 밝혔다. 다만 홍 교수는 휴머노이드의 장점뿐 아니라 단점을 파악하는 일도 동일하게 중요하다고 설명했다.

홍 교수는 모든 작업에 휴머노이드가 적합한 것은 아니라고 보고, 수행 업무가 단일 고정일 경우에는 기능 맞춤형 로봇 형태를 설계할 수 있다고 밝혔다. 홍 교수는 사례로 로봇청소기를 제시하면서, 가구 아래 바닥 청소 작업에는 사람형보다 낮고 납작한 구조가 적합하다고 설명했다.

홍 교수는 제조 현장에서의 로봇 선택 기준은 작업 특성이라고 밝혔다. 그는 휴머노이드는 구조가 복잡하고 가격이 높으며, 정밀도·속도·큰 힘 요구 작업에서는 전용 산업용 로봇이 우위일 가능성이 있다고 설명했다. 이어 로봇 도입 때는 기존 공정 활용의 이점과 도입 비용, 작업 성능을 함께 판단해야 한다고 밝혔다.

홍 교수는 구동 방식에 따른 차이도 존재한다고 설명했다. 그는 비교 대상으로 2023년 공개 아르테미스(ARTEMIS)와 보스턴다이나믹스의 기존 유압식 아틀라스(Atlas)를 들며, 유압식은 큰 힘을 발휘하는 장점이 있지만 누유와 소음, 발열의 부담이 있다고 밝혔다. 그러면서 아르테미스(ARTEMIS)에는 전동식 구동기가 적용됐다고 설명했다.

아르테미스는 탄성을 지니고 힘 제어가 가능하도록 설계된 전동 구동기와 발의 힘 센서를 균형 유지 수단으로 갖췄다. 홍 교수는 외부에서 밀리는 상황에서도 자세를 유지하는 영상과 불규칙한 바닥을 보행하는 중에도 자세를 유지하는 영상을 소개했다. 상자를 운반하는 사례도 소개했다.

보행과 작업 수행 외에도 로봇에는 주변 상황을 판단하는 능력이 추가로 필요하다. 홍 교수는 국제 로봇축구대회 로보컵(RoboCup) 경기 장면도 시연했다. 이 경기에서 로봇은 공, 상대, 장애물의 위치를 인식하고 이동과 패스를 결정했다.

이 사례의 특징은 사람의 원격조작 없이 로봇이 자율 판단·이동했다는 점이다. 소제목에서는 영상에 담기지 않는 힘과 충격, 데이터 확보를 과제로 제시했다.

로봇의 다양한 상황 대응 방식도 바뀌고 있다. 기존 방식은 환경 인식, 행동 판단, 움직임 제어를 각각 설계하는 방식이었다. 발전 중인 방식은 센서 입력과 행동 출력을 학습으로 연결하는 엔드투엔드 방식이다. 이는 개발자가 모든 상황 대응을 사전에 정하기 어려운 환경을 배경으로 하며, 데이터로 동작을 익히게 하는 데 목적이 있다.

로봇 학습에는 텍스트·이미지와 다른 종류의 데이터가 필요하다. 필요한 데이터 항목으로는 관절 위치·속도·가속도, 물체 파지 시 가해지는 힘, 접촉에 따른 충격·마찰 등 물리 정보가 있다. 홍 교수는 이런 데이터의 인터넷 대량 수집이 어렵다고 지적했고, 이를 피지컬 AI의 과제로 짚었다.

이와 관련해 시뮬레이션 활용으로 여러 가상 로봇을 동시 구동해 데이터를 생성할 수 있다. 다만 문제점으로는 가상환경·현실 차이가 있다. 이로 인해 시뮬레이션에서 학습한 동작의 실제 로봇 구현이 불완전한 '심투리얼(Sim-to-Real)'이 발생할 수 있다.

이런 문제의 원인 예시로는 미끄럽거나 고르지 않은 바닥 등 실제 환경 조건의 완전 반영이 어렵다는 점이 제시된다. 이에 따라 추가 보완 과정이 필요하다. 홍 교수는 아무리 정교한 시뮬레이션도 현재 현실과 동일할 수 없고, 현실의 미끄러운 바닥 같은 요소를 전면 반영하는 것도 불가능하다고 밝혔다.

로봇 학습용 실제 환경 데이터를 얻는 방식으로는 원격조작 작업 시연을 통해 실제 환경 데이터를 확보할 수 있다. 다만 다양한 상황의 충분한 데이터 수집에는 인력·시간이 소요된다. 이와 함께 로봇의 자율 반복 실험 방식도 있으나, 이 방식에서는 넘어짐·부품 손상이 발생할 가능성이 있다. 또한 자율 반복 실험에는 수리 비용 부담이 수반된다.

홍 교수는 원엑스(1X)의 가정용 로봇 네오(NEO) 사례를 소개하며 원격조작과 데이터 수집의 연계를 설명했다. 이 사례에서는 사람이 원격으로 가사 작업을 수행하는 과정에서 실제 가정 데이터가 축적된다. 이어 축적된 데이터를 기반으로 로봇의 자율 수행 능력 향상을 추구하는 방식이라고 설명했다.

홍 교수는 기촬영 작업 영상을 활용하는 방식에도 한계가 있다고 설명했다. 영상으로는 동작을 관찰할 수 있지만, 영상만으로는 물체 파지 힘의 크기를 직접 측정하기 곤란하고 접촉 순간의 충격도 직접 측정하기 곤란하다고 했다. 그는 이러한 영상 활용의 한계를 설명하면서 김연아의 피겨스케이팅 영상을 시청하는 것만으로는 스케이팅을 습득할 수 없다는 비유를 들었다.

로멜라는 착용형 로봇 손 동작 데이터 수집 장치를 개발하고 있다. 홍 교수는 사람이 해당 장치를 착용한 채 작업하며 로봇 손의 동작 데이터를 모으는 방식이라고 설명했다. 이어 이 장치의 활용 사례로 물체 조작과 도구 사용을 제시했다.

홍 교수는 이 연구의 목적이 일상 작업에서 정확한 데이터를 효율적으로 확보하는 데 있다고 밝혔다. 이는 일상 작업의 사례 데이터를 정확하고 효율적으로 확보하려는 연구 흐름이라고 설명했다.

홍 교수는 영화 '일렉트릭 스테이트' 캐릭터의 실물 로봇 코스모(Cosmo) 개발 사례도 소개했다. 일반적 로봇은 움직임 성능에 맞춘 형태로 설계된다. 반면 코스모는 이미 정해진 캐릭터 외형·크기 내부에 구동 장치·연산 장치를 수용해야 했다.

또한 코스모는 보행·물체 조작 외에도 동작 기반 감정 표현이 필요했고, 사람과의 상호작용도 필요했다. 홍 교수는 이런 표현을 구현하는 과정에서 기존의 작업 수행 중심 연구와는 다른 과제에 직면했다고 설명했다.

연구진은 동일 로봇을 대상으로 제어 방식 비교를 진행했다. 비교 대상 1팀은 모델 기반 제어를 활용했고, 모델 기반 제어는 로봇 구조·물리 법칙의 수학적 표현에 기반한 방식이다. 비교 대상인 다른 팀은 학습 기반 제어를 활용했고, 학습 기반 제어는 데이터로 동작을 습득하는 방식이다.

홍 교수는 소형 사족보행 로봇의 비교 영상을 제시했다. 홍 교수는 이 비교를 설명하면서 학습 기반 제어가 자연스러운 움직임을 구현할 가능성이 있다고 설명했다. 다만 실제 로봇에 적용하는 과제로는 시뮬레이션과 현실의 차이를 해소하는 문제와 반복 동작에 따른 기계적 부담을 해결하는 문제가 남아 있다고 밝혔다.

홍 교수는 아르테미스·발루(BALLU)를 들어 로봇 구조에 따라 적합한 제어 방식이 달라지는 사례를 설명했다. 아르테미스는 직접 설계한 로봇으로 제시됐다. 아르테미스는 로봇의 물리적 특성에 기반한 수학적 모델을 구성했고, 이 수학적 모델로 보행을 제어했다.

홍 교수는 아르테미스의 경우 데이터 부재로 기계학습을 사용하지 않았다고 설명했다. 또 직접 설계한 로봇이어서 모든 파라미터를 파악하고 있었다고 밝혔다. 이를 바탕으로 아르테미스는 모델 기반 제어를 택한 사례로 제시됐다.

발루는 헬륨 풍선 부력으로 몸을 지탱하는 경량 로봇이다. 전도 시 손상 부담이 작지만, 바람·주변 조건에 민감하고 움직임을 정밀하게 모델링하기는 어렵다.

이 때문에 발루 연구에서는 물리적 특성 분석과 학습을 병행했다. 연구진은 하드웨어 데이터로 구동기 특성을 파악하고 시뮬레이션 보정을 수행한 뒤 보정 후 강화학습을 적용했다. 홍 교수는 연구실에서 발루를 지속적으로 움직여 확보한 데이터를 학습에 활용했다고 밝혔다. 그 결과 연구진은 실제 로봇에서 보행·회전 동작을 구현했다.

한편 로멜라는 다른 연구자들의 로봇·제어기술 개발 활용을 목적으로 아르테미스 기계 설계 자료와 아르테미스 구동기 관련 자료, 아르테미스 제어 관련 자료를 공개했다. 이로써 다른 연구에 활용할 기반을 넓혔다.

다만 학습 기반 동작 구현 이후에도 오류 원인 분석·수정 과제가 남아 있다. 홍 교수는 로봇 구조 변경 시 재학습 비용이 발생한다고 지적했고, 사람의 생명 관련 임무에서는 안정적 작동 검증이 필요하다고 설명했다. 또 움직임 원리 이해로 얻은 지식이 오류 수정과 새로운 로봇 개발, 의수·의족 개발에 활용될 수 있다고 설명했다.

그는 문제의 본질 파악이 중요하다고 밝혔고, 본질에 맞는 도구 선택이 중요하다고 말했다. 이어 그는 기초의 중요성을 재강조했다.

또 휴머노이드의 현장 활용 조건으로는 작업 적합형 설계와 충분한 데이터, 안정적 제어가 함께 갖춰져야 한다고 밝혔다. 그는 이번 기조연설에서 로봇 구조·수행 임무에 따른 기존 제어기술과 AI 학습의 결합과 실제 환경에서 성능·안정성 검증을 과제로 제시했다.

출처: 테크월드뉴스 · 김승기 기자
원문: https://www.epnc.co.kr/news/articleView.html?idxno=407838

참고자료

• https://www.epnc.co.kr/news/articleView.html?idxno=407838