피지컬 AI, '유니온' 신입사원이 되다

[pinetree]

내레이션: 한 동안은 인공지능, 피지컬 AI를 아시나요?

연구원: AI가 컴퓨터 안이나 글과 논리 속에서만 있는 게 아니라 몸을 주는 거죠.

연구원1: 사람들은 로봇이 사람이 되기를 바라는 거죠.

내레이션: 지능을 가진 기계가 진화하고 있습니다.

연구원2: 사람보다 이미 반응속도는 엄청 빠른 거죠.

직원: 로봇을 만들어서 프로그램만 주입하면 바로 차를 만들 수 있겠구나.

내레이션: 우리는 인간의 지위를 지킬 수 있을까요?

직원1: 인간이 할 수 있는 모든 작업을 피지컬 AI가 다 잘 할 수 있을 것인가?

직원2: 자동화를 하기 싫어서 안 했겠느냐 할 수 없어서 못 했죠.

내레이션: 과연 피지컬 AI는 인간을 대신할까요?

직원3: 사람이 꼭 노동을 안 해도 되는 시기가 올 것이다. 사람은 노동이 필요한 존재가 아니다. 피지컬 AI, 신입사원이 되다 경상남도 김해시

내레이션(남도형): (아침 체조하는 직원들) 오늘도 어김없이 새로운 하루가 시작됩니다. 올해 창립 17주년인 한 중소기업, 80여 명의 직원이 일하고 있습니다. 이곳에서는 자동차 부품을 생산합니다. 스마트 공장을 추진하며 이미 공정의 절반을 자동화 하였고 최근엔 특별한 인턴도 선발했습니다. 직원들의 관심을 받는 인턴, 그 정체는 바로 휴머노이드 로봇입니다. 인턴만을 위한 특별한 출근길, 손이 많이 가는 인턴이죠. 키 168미터에, 몸무게 80여 킬로그램, 몸값이 비싸다 보니 애지중지 귀하게 모시고 있습니다. 오늘은 로봇 인턴을 소개하는 첫날, 호기심과 경계심을 가득한 직원들입니다.

정종민:  어릴 때 SF에서 보던 게 그대로 나온 것 같아요. 신기하고

기자: 로봇 실제로 보시니까 어때요?

한정이: 귀여워요.

이소진: 너무 딱딱해

한정이: 아직 얼굴이 없어서

이소진: 아직까지는 동료처럼 안 느껴지는 것 같아요.

내레이션: 사람들은 낯선 로봇 인턴에게 무엇을 기대하고 있을까요?

이청명:  저는 두 개 적었는데 하나는 소프트웨어 개발입니다. 우리 일을 조금 편하게 해줬으면 좋겠다.

유건옥: 내 밥 그릇을 뺏지 말라고 적었습니다.

내레이션: 이 공장에서 로봇 인턴은 어떤 업무를 맡게 될까요? 공장의 주요 생산품은 자동차 정밀 부품입니다. 자동차 정밀 부품은 미세한 이 물질이라도 성능에 영향을 줄 수 있기에 표면의 기름때를 완전히 제거해야 합니다. 그래서 절단된 부픔들을 초음파로 세척하는 데요. 부품을 담아서 세척 할 수 있게 운반해야 합니다. 부품들을 나누어 담아 세척기까지 운반하는 과정이 바로 세척이 끝나면 수리하는 것까지 마쳐야죠. 단순한데 품이 많이 드는 공정입니다.

김준범/A사 기술연구소장: 고정 틀에 6개의 바구니가 들어가는데 그걸 사람이 계속 넣었다 뺐다를 반복해야 합니다. 그러다 보니 근골격계 질환이라든지 무게를 들었다 놨다하니, 관절염이 많이발생할 수 있습니다. 그래서 이 공정을 대체하고자 합니다.

내레이션: 대체 부품이 든 박스가 얼마나 무거울까요? 제작진이 한 번 체험해 봤습니다.

박진현 PD/제작진: 한 10kg 되는 것 같은데요.

김준범: 15kg 미만으로 담습니다. 작업자들이 다들 이 업무를 기피해서 휴머노이드를 도입하려고 합니다. 중소기업이 먼저 로봇을 도입해서 경험해 본다는 게 중요하다고 생각합니다. 아틀라스만큼 돈을 몇 천억을 투입할 수도 없습니다. 적은 돈을 투입해서 현장의 문제점과 안전 부분을 먼저 경험하면, 많은 도움이 된다고 생각하고 있습니다.

내레이션: 회사는 고질적인 인력난에 로봇 인턴을 들였습니다. 그렇다면 기대만큼 제 몫을 해낼 수 있을까요. 사실 인턴이 제일 먼저 연습한 건 걷기입니다. 공장에서 일하려면 제대로 걷는 법부터 알아야 하니까요.

장경호/로봇 솔루션기업 C사 대표: 이 로봇은 두 다리로 서 있다고 해서 균형감각을 정확히 잡는 알고리즘이 탑재된 건 아닙니다. 그걸 계속 학습시켜 업데이트를 하고 있는데 자칫 잘못하면 바로 넘어집니다.

내레이션: 기대와 달리 미숙한 인턴, 몸을 가누기도 힘들어 줄에 의지하고 있습니다. 로봇 인턴은 능력을 인정받아 무사히 입사할 수 있을까요? 서울특별시 강남구 강남의 한 복판, 휴머노이드 로봇이 외출을 합니다. 뉴스로 수없이 봤지만 눈 앞에서 움직이는 로봇에 사람들의 시선이 쉽사리 떨어지지 않습니다.

시민: 안녕! 악수할래, 나랑?

이래경 시민: 너무 사람 같았어요. 사람 같아서 인사하고 싶다는 생각이 먼저 들었고

서찬 시민: (로봇이) 일상 생활에 들어오니까 로봇 이랑 함께 하는 세상이 가까워졌다 라는 생각이 듭니다.

내레이션: 지금 로봇은 학습합니다. 사람처럼 신발을 신고 보행 훈련 중이죠.

유병호/범용 자율보행 소프트웨어 기업 U사 대표: 로봇이 걸을 때 다치지 않도록 신발도 신겨 놓은 상황이고요.

내레이션: 로봇 곁에서 여유롭게 바라보는 연구진들, 지금 로봇은 앞으로 가라는 한 가지 명령을 따르며 보행 중입니다. 어떻게 가능한 걸까요?

유병호: 한 손으로 앞으로 가라는 명령을 주고 있습니다. 어떤 지형 지면을 만나더라도 그거에 대해서 별도 모드를 변경할 필요는 없이 누구나 쉽게 사용할 수 있도록 기술을 갖춰놨습니다.

내레이션: 언제든 어디서든 스타되는 로봇,

외국인: 로봇은 눈 어디로 보나요?

유병호: (영어로) 지금 로봇이 눈을 감은 상태입니다. 이 로봇은 시각 없이도 안정적으로 걸을 수 있습니다.

내레이션: 눈으로 보지 않고 어떻게 걸을 수 있을까요? 연구실에서 직접 확인해 보기로 했습니다. 다양한 장애물을 설치한 뒤 로봇을 걷게 했습니다. 한 번 볼까요? 어떤 것도 보지 못하지만 능숙하게 장애물을 통과합니다. 바닥 상태가 어떻든 문제 없이 해냅니다. 시각 차단 상태에서 평지보행

유병호: 사람이 안대를 쓰고도 평지에서 넘어지지 않고 걸어 다닐 수 있고 그러다가 계단을 만났을 때 당황은 하겠지만 (시각 차단 상태에서) 한 걸음씩 안대를 쓰고도 오를 수 있는 그게 블라인드 로코모션 이라고 부르는 (맹목보행(Blind Locomotion)-외부 센서 없이 내부 알고리즘과 고유감각 만으로 지형을 파악해 보행하는 기술), 기술이거든요. 그런 시각정보가 불안전하더라도 시스템이 붕괴되지는 않게 막아주는 최소한의 안전장치를 해주는 개념이거든요. (시각 정보가 불완전할 때 붕괴방지).

내레이션: 각양 각색의 다양한 지형에서 걷기 훈련을 합니다. 인간이 마주할 모든 상황에 대비하기 위해서인데요. 처음부터 능숙하게 걷는 건 아니었습니다. 생각보다 시간이 필요했죠. (2015년 DARPA 로보틱스 챌린지 (DRAPA Robotics Challenge)-미국 국방부가 미국 캘리포니아 주에서 개최, -한미일 등 25개국 팀이 참가, -가상 재난 환경내 로봇의 임무수행능력평가), 2015년 미국 국방부가 주최한 로봇경진대회, (8가지 임무-차량운전, 차량하차, 문열기, 밸브조작, 벽뚫기, 돌발임무, 험지이동, 계단보행), 재난상황에서의 구조 능력을 시험하는 국제대회로 세계 최고의 로봇들이 참가했습니다. 한국로보티즈, 일본산업기술종합연구소(AIST), 도쿄대학교, 미국 인간-기계인지연구소, 당시 최고 수준의 로봇들입니다. 불과 10년 사이에 무슨 일들이 있었던 것일까요?

박해원/KAIST 휴머노이드 연구센터장: 10년 전에 휴버를 걸을 때 기술은 뭐냐면 약간 룰 베이스였어요 (10년 전 기술-정해진 규칙 안에서만 작동하는 룰 베이스 Rule –based), 발 스텝은 내가 얼마나 앞으로 움직여야 되고 한 걸음을 걸을 때 (한 걸음 마다 보폭 계산), 이런 걸 사람들이 코딩하는 것처럼 (움직임 하나 하나 직접설계), 플래닝 해줘야 됐어요. 예전에 그러니까 이게 내가 예측하지 않는 (룰 베이스의 단점-예측 밖 상황에서 작동불가), 상황에서는 안 먹히는 거죠 (현재는 강화학습을 활용). 지금 같은 경우는 강화학습이라고 해서 로봇이 본인이 학습한 상황에서 (강화학습이란? –직접 학습한 데이터로 로봇이 스스로 제어), 그 데이터를 기반으로 어떻게 제어를 할지 스스로 배우는 거죠 (2025년 룰 베이스) (2026년 강화학습).

내레이션:  가장 큰 변화는 학습법에 있었습니다.

유병호: (아이가 걷는 과정과 같은 강화학습) 학습법에 대해서 간단하게 설명드리면 아이가 태어나서 걸을 때까지 시도와 실패, 성공 세 가지가 반복적으로 일어나게 되는 거거든요 (시도 후 실패의 원인을 파악), 일단 시도를 해보고 거기에 넘어져서 실패를 하게 되면 어디서 실패를 했는지를 체크를 해서 다른 시도를 해보고 다른 시도를 반복하다 보면 (반복된 시도 끝에 성공) 성공을 하게 됩니다. 그동안 로봇에 사용됐던 공간은 굉장히 전형적인 공간이었다고 보시면 됩니다 (이전 로봇의 환경 예측 가능한 단순한 구조). 제가 피지컬 AI란 표현을 쓰는 건 좀 더 비정형적인 상황과 환경을 대응할 수 있는 (피지컬 AI란? 로봇에게 인간 수준의 지능을 바라는 표현), 인간과도 비슷한 그런 지능을 로봇한테 바라는 기대가 반영된 표현이지 않을까 쉽습니다.

내레이션:  과거엔 한 걸음 한 걸음 사람이 일일이 코딩했지만 피지컬 AI는 스스로 답을 찾아 냅니다. 물론 수없는 실수와 실패를 반복해야 합니다. 문제는 실패할 때 마다 천문학적 비용과 시간이 든다는 데 있죠. 그래서 현실이 아닌 가상공간에서 동작을 시험합니다. 이를 시뮬레이션이라고 하죠. (모의실험(Simulation)-현실 환경을 컴퓨터 안에서 가상으로 재현한 것),

유병호: 시뮬레이션이 실제 환경이랑 동일한가? 당연히 그렇지 않습니다. 실제 환경과 시뮬레이션과는 다를 수밖에 없고 그러다 보니까 거기서는 아주 잘 배웠는데 실제로 나와 보니까 배운 거랑 다른 거죠.

내레이션: 시뮬레이션은 완벽했어도 현실 세계는 흔들립니다. 가상 세계에서 배운 지식만으로는 충분치 않았는데요. 인간의 공간은 로봇에게는 훨씬 복잡하고 까다로운 시험장입니다. 가상과 현실의 간극을 무엇으로 채워야 할까요. 대전광역시 유성구 우리는 단서를 찾기 위해 한 연구실을 향했습니다. (마이클잭슨 노래 나옴) 일명 모노 워크라 불리는 현란한 발동작을 보이는 휴머노이드 로봇입니다. 자연스러운 보행에 독보적인 기술까지 가졌죠. 최근엔 특기가 하나 더 늘었습니다. (축구공 차기) 인간에게는 너무나 자연스러운 발차기지만 로봇에게는 고난도의 도전입니다.

연구원: (공차는 로봇을 보고) 버텼어! 기특하다.

연구원1: 버틴 게 더 신기한데요.

내레이션: 인식하고 판단하고 정교한 힘의 제어까지 기술이 필요합니다. 이 로봇의 이름은 KAIST 휴머노이드, 카이스트 연구팀은 로봇의 모든 하드웨어부터 소프트웨어까지 순수 국내 기술로 완성했습니다.

박해원: KGB 카메라로 해 봤으면 좋겠는데 모터부터, 감속기, 전장부품 그리고 로봇의 전체적인 설게도 저희가 다 한 거고요. 로봇을 위한 강화학습 제어기도 저희가 만든 거고 (2026년 1월 26일) (2026년 2월 6일) (2026년 2월 7일) 이 로봇은 시뮬레이션을 통해 보행훈련을 해왔습니다. (2026년 2월 23일) 가상학습 후엔 실제 환경과의 차이를 점검했죠. (2026년 4월 13일), 보행은 눈에 띄게 달라졌습니다. 불과 서너 달 만에 이룬 놀라운 발전입니다. (3개월 만에 달라진 걸음걸이), 어떤 비법이 있던 걸까요?

박해원: (컴퓨터 성능향상 모의실험 속도단축) 컴퓨터가 요즘 워낙 빨라 가지고 시뮬레이션 하는 속도를 단축시킬 수 있거든요. (속도가 수백 배 증가) 그래서 보통 몇 백배 빨리 돌릴 수 있어요. (동작 하나 학습 실제시간 기준 300~400일) 로봇이 실제 동작하나 익히는데 실제 시간으로는 300에서 400 시간의 데이터가 필요해요. 근데 컴퓨터가 시간 가속화 시키고 여러 대의 로봇이 한꺼번에 경험을 하면은 5~6시간이면 걷기 시작해요. (5~6시간 만에 보행시작),

내레이션: 모노 워크까지 마스터한 로봇의 목표는 무엇일까요. 로봇은 생각보다 단순한 동작을    배우고 있었습니다. 굳이 학습이 필요해 보이지 않는 동작들이었죠. 몸으로 상자를 민 다리가 의자에 앉는 등 사람에게는 쉬운 동작입니다.

박해원: 이게 사람하고는 비교하기가 좀 그래요 (사람과 비교하기 어려운 로봇의 성장) 왜냐하면 사람 같은 경우는 되게 다양한 동작을 수행할 수 있지만 동작의 난이도가 점점 올라가는 거거든요. (사람은 다양한 동작 가능, 난이도도 점차 상승), 근데 이거는 어떤 동작은 되게 어려운 것을 하고 어떤 동작은 아예 못하고 그런 거라서 (로봇은 인간과의 단순 비교불가), 단순히 비교할 수 없어요. 이게 훈련한 동작만 잘 하는 거예요. 쿵후도 잘 하는데 나사 하나 못 풀겠어? 아니면 문 하나 못 열겠어? 무거운 짐 못 들겠어? 그렇게 확대 해석하는 면이 있는 거죠.

내레이션: 만약 모든 훈련을 성공적으로 마친다면 로봇은 인간과 똑같이 행동할 수 있을까요?

박해원: 그거는 안 돼죠. 인간과 비슷한 기능을 수행할 수 있을지는 모르겠지만 인간의 정의에 부합하는 시스템이 될 수는 없을 것 같아요. 사람의 구조를 보고 참조한 건 하나도 없어요. (사람과) 완전히 다른 원리로 작동하는 시스템인 거예요. 생긴 것과 기능만 비슷한 거죠.

내레이션: 로봇이 인간과 다른 원리의 존재라면 이제 질문을 바꿔봅니다. 로봇은 어디까지 인간의 일을 할 수 있을까요? 경상남도 김해시 기억 하시나요? 로봇 인턴이 일하는 곳입니다. 언제나 처럼 활기찬 공장, 우리 인턴은 잘 적응하고 있을까요? 그런데 이곳에서 특별한 이벤트가 한창입니다. 이 모든 건 로봇 인턴이 들어오면서 시작 되었다는 데요.

김준범: 지난 주부터 이름 공모를 하고 있습니다. 지금도 식당에서 이름 투표를 진행하고 있습니다.

내레이션: 특별하게 이름까지 얻는 만큼 일은 잘 해야겠죠. 인터넷 직무교육 시간입니다. 오늘의 목표는 손으로 바구니 집기, 교육담당자가 VR 헤드셋을 쓰고 조정기를 쥔채 동작을 시작하면 인턴이 그대로 따라 합니다. 사람이 로봇에게 시범을 보이는 것입니다. 일단 바구니를 제대로 집은 인턴, 아슬아슬한 성공인데요. 로봇은 지금 명령을 따르는게 아니라 사람을 흉내 내고 있습니다.

김준범: 보통 원격을 조정하는 것을 텔레오퍼레이션 이라고 하고요. (원격조종 (Teleoperation)-인간 동작을 실시간으로 인식해 로봇이 그대로 따라 하는 모방학습의 일종), 모방 학습, 사람의 행동을 그대로 인식시켜서 반복적인 학습을 시킬 수 있는 모방학습의 한 종류라고 보시면 될 것 같습니다 (모방학습의 일종, 원격조종),

박해원: (사람 데이터를 로봇 데이터로 변환) 사람 데이터를 로봇 데이터에 맞게 바꿔줘야 해요. 텔레오퍼레이션이 뭐냐면은 사람이 로봇을 보면서 조작을 하는 것입니다. (원격조종은? 사람이 로봇을 조작하는 것), 사람이 로봇을 조종을 해서 로봇이 원하는 조작을 하게 만드는 거예요. (원격 조종 데이터 로봇이 바로 학습에 활용), 그러면 결국에 사람이 로봇을 조종을 했지만 로봇이 수행을 한 거잖아요. 그럼 바로 이것을 익힐 수 있죠.

장경훈: 하나를 알려주면 하나를 다 이해하기 까지 오래 걸리는 게 가장 큰 차이점입니다. 그래서 하나 하나 알려주면서 반복적인 학습을 통해서 성공률을 끌어올리는 게 저의 역할입니다.

내레이션: 다시 반복하는 훈련, 제일 난감한 건 손의 힘과 감각을 정확히 느낄 수 없다는 겁니다.

장경훈: (원격조종 할 때) 굉장히 이질감이 많이 듭니다. 물건을 잡아둔 손에 닿은 촉감이 없고 (VR 헤드셋) 카메라로만 위치를 확인하다 보니까

내레이션: 어떻게 손을 움직일 지는 알려줄 수 있지만 손의 미세한 앙력과 감각까지 그대로 전할 수 없는 게 현실입니다. 손을 쓴다는 게 왜 이리 어려운 걸까요. 충청남도 천안시 로봇 손을 탐구하는 연구실을 찾아왔습니다. 사람과 비슷한 생김새, 힘을 느끼는 손을 가진 로봇 알렉스입니다. 인사를 나눠볼까요?

박진현 PD: (로봇과) 악수를 해 본 적은 없는 것 같은데요?

내레이션:  로봇 손은 어떤 느낌일까요?

장경훈: 꽉 잡아 보세요, 부드럽죠.

박진현: 손가락의 힘을 느낍니다. 한 손만 (하이 파이브를) 해도 그 위치에 맞춰서

김용재/한국기술교육대학교 전기전자통신공학부 교수: 푹신한 정도를 이 로봇은 조절할 수가 있어요. 지금은 상당히 푹신하게 만들어 놓은 거죠.

내레이션: 이 푹신한 손이 기술의 바로미터라는 데요.

김용재: (손-팔-허리-목 외부 힘에 유연하게 반응) 손 하나 하나에도 외력에 순응할 수 있고 팔이나 몸이나 허리 목까지 다 외력에 순응할 수 있는 그런 로봇입니다. (힘 빼기, 로봇에겐 어렵다) 로봇에게 힘을 빼라고 하면 잘 못 뺍니다. 그거는 큰 힘을 내기 위해서는 모터로부터 감속기를 통해서 마찰을 이기고 아주 정확하고 힘세게 출력하는 데만 집중되어 있었죠. 지금까지는 (기존 로봇은 큰 힘 출력에만 집중한 구조), 근데 사람은 그렇지 않죠. (힘을 빼면 자연히 풀리는 구조), 힘을 빼고 밀고 풀면 그냥 풀리는 거예요. 사람은 이게 본질적으로 다른 거구요. (본질적으로 다른 사람과 로봇), 그래서 저희는 인간과 같은 외력에 순응해서 (개발목표 보이지 않는 힘을 느끼는 로봇 손), 역으로 구동하는 이런 것들을 구현 할려고 한 거고 그게 역구동성입니다. (역구동성 (Back-drivability)-로봇이 외부 힘을 느껴서 사람의 움직임을 부드럽게 따라가는 물리적 특성),   

내레이션: 역구동성, 좀 어렵죠. 바깥 힘에 따라 힘을 조절하는 선이라는 건데요.

김용재: 아까는 딱딱 했는데 지금은 역구동하면서 움직일 수 있고요.

내레이션: (알렉스의 손, 얼마나 섬세하게 힘을 느낄까?)힘을 얼마나 느끼고 반응할 수 있을까요? 얇은 과자로 실험을 해보겠습니다. 만약 힘을 느끼지 못 한다면 과자는 부서지고 말겠죠. 단순해 보이지만 기술적으로 어려운 실험입니다.

연구원:  기름이 묻어서 점점 (손이) 미끌미끌해져.

제작진: 왜 무릎 꿇고 앉아계세요?

연구원: 잘 볼려고요.

내레이션: 모두가 긴장하는 순간, (로봇 팔이 얇은 과자를 손으로 들어올림) 알렉스! 성공입니다. 손을 완성하기까진 지난한 과정의 연속이었습니다.

김용재: 영상만 보고는 숙련된 사람들이 하는 작업을 따라 하려고 해도 안돼요. 그거는 거기에 감춰져 있는 힘을 어떻게 쓰는지 (힘의 사용방식) 힘이 가능한지 (상호작용 방식, 총격흡수 방식), 충격은 어떻게 흡수하는지, 이런 것들이 영상으로만 확인할 수 없기 때문이에요. 사람의 데이터를 대량으로 가져와서 쓰는 건 확실히 유망한 방법이고 많이 하고 있고요. 하지만 거기에서 얻는 데이터의 종류는 달라져야 한다고 생각합니다.

내레이션: 학습을 위한 데이터는 어떻게 달라져야 할까요? 중국 상하이 이제 우리의 눈은 세계로 향합니다. 중국은 어떤 변화를 준비 중일까요. 현재 중국은 피지컬 AI의 거대한 실험장입니다.

피지컬 AI로봇: 안녕하세요, 신사 숙녀 여러분!  비가 와서 미끄럽습니다. 조심하세요.

내레이션: 피지컬 AI 시장에서 중국은 질주하고 있습니다. 로봇들이 실험실을    벗어나 일상의 공간에 상상치 못한 방식으로 투입되고 있습니다. 2025년의 세계에서 출하된 휴머노이드 로봇 10대 중 8대가 중국산입니다. 압도적인 제조기반을 바탕으로 중국은 데이터 수집에 나섰습니다. 중국의 전략은 단순하지만 강력합니다. 압도적인 데이터 량에 승부를 걸었죠 (데이터의 종류보다 물량이 먼저), 최근엔 훈련 센터를 세워 작업 데이터를 축적 중입니다. 이 거대한 데이터는 무엇을 위한 준비일까요? (중국 로봇기업 A사 쇼룸 26.4월), 그 첫 무대는 산업현장일 겁니다. 로봇이 데이터 학습으로 반복적인 노동을 대신할 수 있겠죠. 하지만 아직 만족할 수준은 아닙니다. 대량의 데이터를 모우는 데도 왜 이들의 동작은 미숙하기 짝이 없는 걸까요?

명현/KAIST 전기 및 전자공학부 교수: 작년에 U사 라고 중국 업체인데 전 세계 3위 정도되는 휴머노이드 로봇 개발사예요. 거기에서 실제 휴머노이드를 공장에 투입해 숙련자와 비교해 봤어요. 숙련자와의 노동 기술이 얼마나 되나 하고 (현재 휴머노이드 숙련자 기술의 30~50% 수준) 비교해 봤을 때 비슷하게 하더라는 거고요. 아직도 갭이 있다는 거고, 그 사람들이 목표로 하는 게 (3~4년 후 휴머노이드 숙련자 기술의 80% 목표), 한 3~4년 후에 80%가 될 거라는 정도고 그러면 100%를 달성하기 위해서는 긴 시간이 걸릴 수도 있어요. (긴 꼬리 문제 (Long-tail Problem), 저희가 그걸 롱 태일 플러브럼 이라고 말을 하거든요. 꼬리가 길다라는 것은 80% 까지는 만들 수 있는데 나머지 20%를 완성하기 까지는 10년, 20년이 걸릴 수도 있다는 거죠.

내레이션: 그동안 우리의 로봇 인턴도 목표를 향해 달려가고 있었습니다. 저녁 6:30 로봇 인턴이 일하는 공장을 다시 찾았습니다. 과연 몇 %까지 목표를 달성했을까요? 요즘엔 배치될 라인에서 실전훈련을 합니다. 인턴이 맡을 작업은 부품세척공정에서 철제도구를 밀어서 옮기는 일인데요. 오늘도 작업 동작을 반복하며 데이터를 쌓아가고 있습니다. 그동안 퇴근 시간 후 매일 훈련을 해왔지만 동작은 여전히 더딥니다.

김준범: 낮에는 학습을 시키고 근로자가 퇴근한 저녁에는 작업 동작을 반복적으로 모방 학습하고 있습니다. 완성도를 99.9% 까지 올리기 위해서 노력하는 단계입니다.

제작진: 사실 간단해 보이는 작업 같은데요?

김준범: 사람은 간단하죠. 로봇에게는 아주 긴 인고의 시간이 필요합니다.

내레이션: 선배 직원들은 인턴의 업무 능력을 어떻게 볼까요?

이강혁/A사 공구셋업 반장: 지금 상황에서는 회사 입사한지 얼마 안된 신입사원 느낌입니다. 많이 가르쳐야 하고 많이 지켜봐야 하고요. 손이 많이 가는 스타일입니다.

김재민/A사 생산1부 차장: 실제 사람처럼 움직일 줄 알았는데 막상 움직이는 거 보니까 아직은 내가 먹고 살길이 많이 남아 있다 라는 생각이 들었습니다.

내레이션: 직원들이 로봇 인턴에게 냉정한 평가를 내린 이유가 궁금해 집니다.

김재민: 수치로는 표시가 안 나는데 제품을 만져보면 까끌까끌한 촉감까지

이강혁: 업무환경이 상황마다 다르죠. 하루하루가 다르고요. 어떤 돌발 상황이 생겨도, 가공된 제품에서 문제가 생겼을 때 경험했던 감으로 쉽게 판단할 수 있거든요. 로봇이 해야 한다고 하면 원인 찾기도 어려울 뿐더러, 지금 상황에서는 사람이 훨씬 낫다고 생각합니다.

내레이션: 아직은 사람이 더 낫다는 판단은 이미 오래 전 확인됐습니다. 2017년 세계에서 가장 과감하게 자동화를 추진했던 한 공장에서 경험으로 입증했죠. 미국의 전기차 업체 T사 미국의 한 전기자 업체, 이곳의 최고 경영자는 인간이 직접 조립하지 않는 공장, 기계가 기계를 만드는 공장을 완성하겠다고 선언했습니다. 그리고 그는 사람 없는 공장을 만들어 나갔습니다. 하지만 생산 라인은 가다 서다를 반복했습니다. 주당 5000대를 생산하겠다는 목표를 세웠지만 실제 생산량은 목표치에 겨우 186대(3.7%)에 그치고 말았습니다. CEO Elon Musk called this a period of “production hell” CEO 일론 머스크는 이를 “생산지옥”이라고 했다. 최고 경영자는 생산지옥에 빠졌다며 자동화 로봇에 너무 큰 기대를 건 자신의 실수를 인정했습니다. Elon Musk, Yes, excessive automation (과잉 자동차) at Tesla was a mistake (실수) To be precise, my mistake, Humans are under-rated (사람을 과소 평가했다)

결국 생산 라인은 다시 사람들로 채워졌습니다. 울산광역시 북구 그로부터 8년이 지난 2026년 자동화 로봇에 기대를 건 또 다른 자동화 회사가 있습니다. 2028년에 자체 개발한 로봇을 자동화 공정에 투입하겠다는 계획을 발표했습니다. 어떤 공정에 투입할까요? 자동차는 대략 4단계 공정을 거쳐서 완성됩니다. (프레스: 철판을 원하는 형태로 가공) 철판을 자르는 프레스, (차체: 자동차의 뼈대와 몸체 제작) 골격을 만드는 차체공정, (도장: 차체 표면 도색 및 코딩) 색을 입히는 도장에 이어서 여기 까지는 이미 기계의 손에 넘어갔습니다. 사람만이 할 수 있는 공정은 단 하나, 의장입니다. (사람만이 할 수 있는 의장공정), (의장: 예진-시트-배선 등 각종 부품 조립 및 완성), 의장은 노동자가 좁은 공장에서 배선을 연결하고 시트를 넣고 조이는 등 사람의 손이 직접 다아야 하는 공정입니다.

이종철/전국 금속노동조합 현대자동차 지부장: (자동차) 작업 공정은 대단히 복잡하고 난해 합니다. 작업 공정에 들어가서 부품을 조립할 때는 다양한 각도, 작업에 대한 숙련 같은 것들이 필요하거든요. 볼트를 조일 때는 적당한 힘으로 조여야 하고요 조립 공정에서의 우리 노동자들 손기술, 노하우와 (로봇과는) 차이가 있습니다.

오민규/노동문제연구소 해방 실장: 시트만 해도 어깨를 넣고 손 감각으로 잘 들어갔는지 확인하고 안 되면 (시트를) 들어 올렸다가 비틀어 봤다가 아주 미세한 보정 작업을 계속 하거든요. 이런 것들까지 자동화할 수 있었다면 이미 다 했겠죠. (자동화를) 하기 싫어서가 아니라 할 수 없어서 못한 공정이라고 생각합니다.

내레이션: 섬세한 손 기술은 로봇에게 정말 불가능한 것일까요.

김용재: 사람의 숙련이 로봇이 절대 따라갈 수 없는 성역이냐? 라고는 다 생각하지 않습니다.

오민규: (숙련의 영역도) 분해될 거라고 생각합니다. (숙련도 결국은 풀린다) 숙련이 필요한 정비에서도 물론 그런 식으로 복잡한 방식으로 풀릴 수 있지만 안 풀릴 수 있는 건 아니다.

내레이션:  그럼 로봇이 숙련공 처럼 일하려면 먼저 어떤 문제가 풀려야 할까요? 어떤 한계를 극복해야 할 까요?

조형제/울산대학교 사회과학부 명예교수: (예상치 못한 상황에 강한 대응력) 생산 현장에서 벌어지는 예상치 못했던 상황에 대한 대응능력이 굉장히 뛰어나다는 거예요. 그래서 그게 (숙련이란? 임기응변능력) 우리 식으로 얘기할 때는 임기응변 능력, (생산현장의 임기응변능력 기록, 표준화, 체득필요), 기록을 하고 매뉴얼화 해서 그걸 체득하게 해야 할 것 같은데 그렇게 했을 때 (임기응변, 전승될 수 있을까?), 그러면 그 사람들의 그런 임기응변적인 능력도 전승이 될 수 있을 것이냐. 노동의 마지막 관문을 넘어서면 마지막 관문인 인간의 임기응변, 수치화 할 수 없는 능력을 기계가 이해할 수 있는 데이터로 옮길 수 있을까요? 울산광역시 숙련을 데이터화한 한 사람을 만나러 왔습니다. 은퇴자 성치환씨가 그 주인공입니다.

성치환(59세)/前현대자동차 부장: 1977년 입사해서 현대에서 작업자 생활을 하다가 조장, 반장, 계장을 거쳐 관리직인 과장, 차장, 부장까지 승진하게 되었습니다. (성치환/前현대자동차부장: 1977~2020년 근속, 국가품질명장 및 국가신지식인 선정).

내레이션: 퇴사를 앞둔 그에게 마음에 걸리는 한 가지가 있었습니다.

성치환: 선배들이 수십 년 동안 갈고 닦았던 노하우가 퇴직과 동시에 거의 사라져 버립니다.

내레이션: 그는 선배들이 가진 숙련의 노하우를 후배들에게 전승하기 위해서 아카이브를 만들었습니다. (국내외 30여 개 공장이 공유하는 4,500여 편의 아카이브), 현장의 숙련 기술을 글과 영상으로 남겨서 공유했죠. (거대한 숙련의 도서관 H-Library), 노동자의 몸에 새겨진 기술을 데이터로 옮겨서 하나의 도서관으로 완성한 겁니다. 기록된 노하우를 기계에게 번역해 줄 수 있을까요? 로봇은 사람의 데이터를 배워서 현장에서 쓸 수 있을까요?

성치환: 당연히 로봇을 학습시키는 데에도 적용이 잘 돼야 합니다. 안 그러면 뭘로 학습시킬 거냐 이거죠.

제작진: 숙련의 몇 퍼센트까지 (데이터로) 구현이 가능하다고 보세요?

성치환: (숙련의 데이터화 70~80% 가능, 20~30% 한계) 그래야 한 70~80%, 나머지는 20~30%는 글로 표현하는 것은 요 수준 밖에 안 되고 행동하라고 하면 자기가 한다는 얘기죠. (몸으로만 아는 숙련의 감각). 소리도 마찬가지, 어떤 사람은 앵 이라는 소리가 난다고 표현할 수도 있고 어떤 사람은 잉 이렇게 표현할 수도 있고 사람마다의 개인차, 이런 것들 표현하기가 굉장히 까다로운 한계가 있습니다. (감각의 개인차로 인한 표현의 한계).

명현: 영상과 글에는 데이터가 엄청 많잖아요. (LLM (Large Language Model)-텍스트로 언어를 학습하는 AI 모델), LLM 같은 경우는 텍스트 기반으로 다 학습을 했잖아요. 이제 비디오 하고 촉각하고 멀티미디어 라고 말하는 거 (영상-촉각 다중 감각 데이터 (Video-Tactile ultimodel Data)-영상 정보와 촉각 정보를 함께 담은 데이터). 이런 것으로 로봇을 학습하기엔 데이터가 많이 없습니다. 로보텍스의 거장이라고 하는 분들이 (로보텍스에는 10만 년의 데이터가 더 필요), 데이터가 10만 년 정도의 데이터가 더 필요하다고 말하고 있거든요. 그 정도로 격차가 엄청나게 많이 있다고 할 수 있습니다.

내레이션: 대구광역시 수성구 데이터의 격차가 좁혀지면 로봇을 지금의 한계를 넘어설 수 있을까요. 어쩌면 이곳에서 힌트를 얻을 지 모릅니다. 이 귀여운 로봇에게서요. 바로 축구 로봇 탑입니다. 이 로봇은 축구를 시뮬레이션으로 학습했습니다. 물론 공을 차는 법을 배웠죠. 오늘은 어린이 축구단과 함께 연습에 나섰습니다. 슬슬 몸을 푸는 로봇, 가벼운 패스로 시작합니다. 드디어 기회가 왔습니다. (로봇이 앞으로 가서 공을 발로 참), 로봇 선수가 곧잘 공을 차며 선전 중입니다.

엄영운(9세): (로봇에게) 많이 잘 했어요. 패스할 때 진짜 세게 찼어요. 공이 말랑말랑 한데도 발이 아팠어요.

최진호 축구코치: 타비가 혼자 연습으로 공을 차는 모습을 봤을 때 공의 강도나 공을 맞히려는 움직임은 그 부분은 정말 깜짝 놀랐던 것 같아요.

내레이션: 로봇은 언제나 공에서 시선을 떼지 않았습니다. (로봇이 계속 뛰면서 공을 참), 이번엔 로봇이 전시장에 나타났습니다. 장소를 불문하고 열심히 공을 찹니다. 여기서도 실력을 발휘할 지 확인해 봤습니다. 그런데 갑자기 멈춥니다. 잠시 뒤 이어서 공을 찾는데요. 빨간 카펫 위에서 또 멈춥니다. 로봇이 멈췄던 건 공을 찾는 방법 때문입니다. 이 로봇에게 공은 그저 빨간 원형이거든요.

김성민/휴머노이드 로봇기업 T사 연구원: 안내선을 빨간색 카펫으로 해주었는데 빨간색 카펫 쪽으로 공이 흘러가게 됐을 때는 빨간색을 인식하는 과정에서 공을 제대로 인식하지 못하는 경우가 종종 있는 것 같습니다.

내레이션: 로봇의 세계에는 공이 없습니다. 빨간 원형의 목표물이 있을 뿐입니다. 이처럼 사람이 별 생각 없이 보고 찾는 것도 기계에겐 때론 복잡한 문제가 됩니다.

김성민: 사람의 수준에서는 되게 일상적으로 생각할 수 있는 행동들이 로봇 휴머노이드에 적용한다고 했을 때 고차원적인 문제로 다가오기 때문에,

내레이션: 이 로봇만의 문제는 아닙니다. 지능을 가진 기계라지만 어이 없는 실수를 하곤 하죠. 대전광역시 유성구 사람에겐 간단한 일이 왜 기계에겐 어려울까요? 그 이유를 뇌와 인공지능을 연구하는 전문가에게 물었습니다.

백세범/KAIST 뇌인지과학과 교수: (구현하고자 하는 기능이 있는 AI) AI는 내가 구현하고자 하는 기능이 있어요. (기능구현을 위한 반복적 설계, 체크, 수정), 그래서 어떻게 하면 그 기능을 잘 구현할 수 있을까 디자인을 하고 목적을 달성했는지 체크한 다음에 수정하는 방식이죠. 그런데 생명체가 진화한 방식은 우리가 보통 어떻게 이야기 하냐면 (생명체의 진화 방식 특정목적을 위한 설계가 아니다), 어떤 목적이 있어 갖고 그 목적을 더 잘 달성하기 위해 바꿨다가 아니고 일단은 굉장히 다양한 것을 추구해 봅니다. 다양한 종이 생기고 다양한 행동을 하고 (다양한 종, 다양한 행동), 그런데 그중에서 가장 환경에 잘 맞는 것이 살아남는 거거든요. (환경에 따른 적응과 진화).

내레이션: 인간의 자연성의 지능을 기계에도 구현할 수 있을까요? 문제는 인간에게 너무 당연한 능력일수록 어떻게 가르쳐야 할지 모른다는 겁니다.

백세범: 가장 기본적인 건 사람이 어떻게 그걸 하는지, 우리가 명확하게 알고 있지 못해서 그런 것 같아요. 뇌에 대한 지식은 부분적이고 불완전한 경우가 많습니다. (뇌의 모사, 인공지능은 불완전한 표현), 뇌의 모사, 인공지능이라고 하는 것은 사실은 불완전한 표현인 거죠. 우리가 자연지능이란 말을 안 썼던 이유는 지능이라는 말 자체가 너무나 당연하게 자연지능이었기에 그런 것 같아요.

내레이션: (인공지능과 이세돌의 바둑대국) 이미 인간은 컴퓨터 계산기의 출현으로 기계의 상대가 되지 못합니다.  하지만 걷는 것, 물건을 집는 것, 사물을 다루고 느끼는 것, 인간이 아무렇지 않게 해내는 익숙한 일들 앞에서 기계는 어이 없게도 번번히 길을 잃습니다. 이렇게 사람과 기계의 지능은 서로 다른 강점을 지니고 있습니다. (한스 모라벡 로보틱스 연구자 (1948~ )-로봇공학과 AI연구를 넘어 미래를 예언한 과학자-카네기멜론 대학교 로보틱스 연구소 교수(1980~2005)). 오래 전 로봇 공학자가 이미 예견한 것이었죠. 인간에게 쉬운 일은 기계에게 어렵고, 기계에게 쉬운 일은 인간에게 어렵다 (모라벡의 역설 1988).

박해원: 이게 뭐냐면 인류의 역사가 길잖아요. 근데 우리가 체스를 두고 바둑을 둔 역사는 (인류의 역사에 비하면) 엄청 짧다고요. (걷기, 빠른 인식 등 생존을 위해 수백 년간 키워온 능력) 우리가 생존을 위해서 걷는 것, 사물을 빨리 빨리 인식하는 것, 이런 것들은 인류가 출현하고 나서부터 생존을 위해서 계속 발달시켜 온 거라구요. (발달한 능력 유전을 통해 후손에게 전달) 그리고 유전을 통해서 어느 정도 후속세대로 넘어 왔고 그게 발전하는 기간이 훨씬 길었다는 거죠.

내레이션: 우리는 인간과 기계의 능력의 어떤 시선으로 바라봐야 할까요?

백세범: 모든 인간의 일을 피지컬 AI가 할 수 있게 만드는 것이 우리 목표가 되는 것이 합당한가? 의미가 있는가? 저는 그럴 필요가 없다고 생각합니다. 왜냐하면 AI가 잘 할 수 있는 부분이 명확하게 있고, 사람이 잘 할 수 있는 부분이 명확하게 있다라고 하면, 그 역할을 나누어서 하고, 둘이 같이 했을 때 훨씬 더 잘 할 수 있게 되는 부분들이 있을 겁니다. 그 부분에서 의미를 찾으면 될 것 같아요.

김용재: 사람은 일을 하기 위해서 태어난 것 아니잖아요. 작업하고 계산하기 위해 태어난 것도 아니죠. 감정적으로 복잡한 존재잖아요? 그런 것들을 몇 개의 인공지능이 따라갈 거라고 생각하지 않아요. 기계보다, 로봇보다 생산성이 높아야 한다 라는 것에 집착할 필요는 없다고 보고요.

내레이션: 로봇에게 밀려날 지 모른다는 두려움, 그 불안 속에 인간의 노동을 너무 쉽게 재단한 건 아닐까요? 미국 자동차 공장의 얘기로 돌아가 봅시다. 완전 자동화에 실패한 뒤 최고 경영자는 로봇 생산성에 다른 가치를 매겼습니다. 그래서 그가 꿈꾸는 피지컬 AI시대는 좀 다릅니다.

일론 머스크/미국 전기차 업체 T사 대표: 우리가 기대하는 것은 1인당 생산성이 아주 아주 높아지는 것입니다. 우리는 정리해고나 인력 감축 계획이 없습니다. 오히려 그 반대예요. 노동자 규모를 늘릴 예정입니다.

내레이션: 피지컬 AI로 고용을 늘리곘다는 계획, 거대한 기업만의 생각일까요? 한국의 제조 현장에서도 같은 답을 찾아가고 있습니다.

김준범: (연매출 증가, 고용증대) 매출이 증가함에 따라서 그러면 고용도 증가되고 동일 구조에서 사람을 늘리는 구조로 가다 보니 (인당 생산성과 매출액 증가) 1인당 생산성이나 1인당 매출액이 더 늘어나게 되는 거죠.

직원: (로봇 인턴 대기) 오늘 우리 회사에 아주 특별한 신입사원이 왔습니다. 이름은 유니온 이라는 친구고요. 사원증을 전달주도록 하겠습니다.

김준범 사장: 6월 1일 입사한 우리 친구 로봇 휴머노이드 유니온에게 큰 박수 부탁드립니다. (R260601-유니온), 열심히 하자! 열심히 해!

내레이션: 마침내 로봇 인턴이 수습을 마치고 당당히 신입사원으로 입사했습니다.

김준범: 우리 휴머노이드 로봇 동료 유니온은 6개월 동안 교육을 거쳐서 현장에 투입됐고요. 여러분들이 많이 가르치면 좋은 친구가 될 거예요. 자, 하나, 둘, 셋 하면 파이팅 한 번 외칩시다. 유니온 파이팅! (전사원 박수).

제작진: 선생님이 하는 일을 이 친구가 대신 할 수 있다고 생각하세요?

우승현 직원: 사람이 할 수 있는 일 보다 로봇이 할 수 있는 일이 좀 부각될 수도 있겠다 라는 생각에 좀 두렵기도 하지만 지금은 반가운 마음이 더 큰 것 같습니다.

양현욱 직원: 처음 봤을 때는 좀 설레었습니다. 앞으로 우리 회사에서 어떤 업무를 어떻게 해 나갈지 기대감과 동시에 설렘이 들었습니다.

제작진: 현장 들어가면, 실제로는 뭐라고 부를 것 같으세요?

양현욱: 솔직히 말해서 여기 사투리로 해서 그냥 편안하게 야 할 것 같습니다.

내레이션:  피지컬 AI는 인간을 닮아오고 있습니다. 그러나 닮을수록 인간과의 차이는 더 선명해집니다. 그 다름을 이해할 때 새로운 관계가 시작되지 않을까요. 공존이란 이런 거,

성윤아 어린이: 일기 쓰는 거를 제가 불러주면 막 다 써줬으면 좋겠어요.

박선희 계장/울산 중구 교육정책과: 가사 노동 이런 부분? 편리할 거라고 생각합니다.

박찬현/휴머노이드 로봇 기업 T사 대표: 사실 축구를 한다는 것도 소통이거든요. 공 차고 공 주고 받고, 사람이 없으면 의미가 없죠.

이승재/KAIST 전기 및 전자공학부 박사과정: 끝없는 도전? 1시간 넘게 붙잡고 있는데, 왜 인지는 이제 알아봐야 하는데, 끝. (EBS 다큐프라임 1706회 피지컬 AI, 신입사원이 되다에서 정리).