초기 Fleet, 판매 대수보다 'Data Flywheel' 형성이 핵심
양산 앞두고 6대 과제···감속기·촉각·데이터 수율이 현장 확산 좌우
[예결신문=신하연 기자] 휴머노이드 로봇의 자동차 공장 투입이 현실화 하고 있다. 이제 산업 경쟁의 기준은 개별 기체의 성능에서 실제 현장 배치 규모와 데이터 축적 능력에 의해 좌우될 가능성이 크다. 현대차그룹이 보스턴다이내믹스(BD)의 휴머노이드 로봇 '아틀라스(Atlas)'를 오는 2028년 미국 조지아 공장에 투입하고 2030년 부품 조립 공정까지 활용 범위를 넓히려는 계획은 이런 변화의 출발점이다.
이 경유 보행 능력과 가반하중, 작업 속도, 손의 자유도 같은 하드웨어 지표만으로는 피지컬 AI(Physical AI)의 완성도를 설명하기 어렵다. 로봇이 실제 작업환경에서 물체를 집고 옮기며 실패와 재시도를 반복하는 과정에서 생성되는 실세계 데이터(Real-world Data)가 AI 모델과 하드웨어를 동시에 개선하는 핵심 자원이 된다.
Atlas 첫 임무는 '데이터 생산'
11일 관련 업계에 따르면 현대차그룹은 한국·미국·중국에 로봇훈련학습센터를 구축하고 미국 조지아주 현대차그룹 메타플랜트 아메리카(HMGMA)의 로봇 애플리케이션 센터(RMAC)를 활용해 Atlas의 현장 적용을 준비하고 있다.
초기 Atlas의 가치는 판매 대수나 로봇 자체 매출보다는 현장에서 만들어내는 데이터에 있다. 성공과 실패, 접촉력, 관절 상태, 작업 시간 등 실제 공정에서 생성되는 정보는 다음 AI 모델 학습에 반영되고 다시 로봇의 동작과 부품 설계 개선으로 이어진다.
현장에 투입되는 로봇이 늘어날수록 데이터 생산량도 증가한다. 축적된 데이터가 다시 전체 로봇의 작업 능력을 높이는 '데이터 플라이휠(Data Flywheel)'이 형성되는 구조다. 이런 관점에서 초기 Atlas Fleet은 완성품 판매용 제품인 동시에 실세계 데이터를 지속적으로 생산하는 설비의 성격을 갖는다.
현대차 공장도 단순한 로봇 구매처가 아니라 피지컬 AI를 실제 제조환경에서 학습시키는 실증 공간으로 기능하게 된다. Atlas가 생산라인에서 확보한 데이터는 로봇 동작 개선에만 쓰이는 것이 아니라 작업 동선 조정, 공정 자동화, 디지털 트윈, 제조 AI 고도화에도 활용될 수 있다. 현장 배치 규모가 커질수록 로봇과 공장이 동시에 학습하는 구조가 만들어지는 셈이다.
양산 전 넘어야 할 '6개의 벽'
Atlas가 수백·수천 대 단위의 양산 체제로 이동하려면 해결해야 할 제조 과제도 남아 있다. 핵심은 ▲동일 품질의 반복 생산과 수율 관리 ▲감속기 아키텍처 최적화 ▲손의 촉각 데이터 고대역폭 처리 ▲글로벌 공급망 확보 ▲고품질 학습 데이터 생산 수율 향상 ▲Sim-to-Real 격차 축소 등 6가지다.
시제품 단계에서는 최고 성능 구현이 우선이지만 양산 단계에서는 같은 성능을 얼마나 빠르고 안정적으로 반복 생산할 수 있는지가 중요해진다. 생산 수율과 로봇 한 대당 조립 시간, 재작업 비율, 공정 자동화 수준이 실제 양산 능력을 결정하는 지표가 된다.
감속기도 정밀도·토크·내구성·원가를 동시에 좌우하는 핵심 부품이다. 유성기어·베벨기어·변형파동기어·사이클로이드 등 여러 방식을 관절 위치와 요구 성능에 맞춰 조합하는 최적화가 필요하다.
촉각·데이터 품질이 현장 확산 좌우
손(Hand)의 촉각 기술도 상용화를 좌우할 영역이다. 카메라 중심의 시야만으로는 물체를 잡을 때 발생하는 접촉력과 미끄러짐, 진동 등을 충분히 판단하기 어렵다. 힘·진동·온도 등 촉각 정보를 고대역폭으로 받아 즉시 동작에 반영해야 정밀한 조립 작업까지 가능해진다.
데이터의 양만큼 품질도 중요하다. 시간축에 맞춰 정렬된 멀티모달(Multimodal) 학습 데이터의 생산 수율은 현재 50~60% 수준으로 제시되고 있다. 수집된 데이터 가운데 실제 학습에 활용할 수 있는 비율을 높이려면 수집·정제·분류·검증을 표준화한 '데이터 팩토리' 구축이 필요하다.
가상환경에서 학습한 행동이 실제 공장에서도 동일하게 작동하도록 만드는 Sim-to-Real 기술 역시 현장 확산의 주요 변수다. 결국 2028년 Atlas의 실제 투입은 휴머노이드의 개별 성능보다 양산성, 데이터 품질, 공급망과 대규모 Fleet 운영 능력을 동시에 검증하는 시험대가 될 전망이다.
예결신문 / 신하연 기자 beliga23@naver.com
[ⓒ 예결신문. 무단전재-재배포 금지]
