[제995회] 로봇 기술 진화의 발자취; 로봇 기술의 발전과 활용, AI 동반 성장의 이야기
(2025. 04. 18(금), 성균관대학교 기계공학부 문형필 교수

(문형필 교수)

안녕하세요, 소개받은 성균관대학교 문형필입니다. 반갑습니다. 오늘 로봇 얘기를 할 텐데, 제목에 이제 기술의 진화와 발자취 이렇게 거창하게 썼는데. 챗GPT한테 물어보니까 이런 제목을 알려 주더라고요. 진화의 발자취. 진화라는 얘기를 한다는 소리는 옛날 얘기를 한다는 소리입니다. 역사 얘기를 조금 하면서 요즘 로봇 기술하고 연결을 짓고, 그리고 우리 실험실에서 하고 있는 내용도 소개를 시켜 드리도록 하겠습니다.

[Short Bio] (p.2)

먼저 간단하게 이제 저를 소개해 드리면, 저는 성균관대학교에서 로봇을, 요즘은 로봇을 하고 있다 로봇을 교육을 하고 있다 이렇게 얘기를 드리고 있습니다. 로봇 분야도 사실은 굉장히 많은데요. 저는 하드웨어를 만드는 것도 조금 해봤지만 기본적으로는 로봇을 어떻게 소프트웨어적으로 움직일까 이런 데 이제 관심을 갖고 연구를 하고 있습니다.

[Robotics & Intelligent Systems(RISE) LAB] (p.3)

저희 실험실에서 하는 내용이 꽤 많은데, 하다 보니까 로봇 팔 이런 것도 좀 많이 써 봤고, 그리고 자동차 같은 이제 바퀴로 굴러가는 로봇 이런 것들도 많이 해 봤고. 또 모터로 움직이는 로봇, 인공 근육으로 움직이는 로봇, 그다음에 유압으로 움직이는 로봇. 여러 가지 기계 시스템을 가지고 로봇을 움직여 봤습니다. 이런 경험을 가지고 오늘 얘기를 풀어 보겠습니다.

[Contents] (p.4)

그래서 오늘 말씀드릴 순서는 일단은 로봇의 역사에 대해서 지금 한번 살펴보고, 로봇도 이제 로봇 팔이 있고 그리고 바퀴로 굴러가는 로봇 이런 것들이 있고, 최근에는 이제 사람의 형상하고 비슷한 휴머노이드 로봇에 대한 관심이 높아지고 있습니다. 그래서 이런 얘기를 드리고. 그리고 이제 피상적으로 로봇이 어떤 거다 이렇게 그냥 말로만 여러분들이 듣지 말고, 한번 여러분들과 같이 로봇을 이 강의 자리에서 한번 제어를 해 보도록 하겠습니다. 그래서 간단한 실험을 하고, 그럼 로봇을 움직이려면 어떤 기술이 필요할까. 여러분들이 좀 더 자세히 아이디어를 얻은 다음에 그리고 어떤 로봇들이 개발되어 왔는지 이런 것을 좀 소개해 드리면서. AI 하고 어떻게 연결되는 걸 기대하고 있는지 말씀을 드리고 싶습니다.

[AMAZING THINGS ARE HAPPENING NOW] (p.5)

제가 최근 이제 강의를 할 때 이 슬라이드를 쓰기 시작을 한지 이제 꽤 몇 년이 됐습니다. 선배 교수님으로부터 이렇게 받아 가지고 이렇게 얘기를 하기 시작했는데. 진짜 어메이징, 어메이징한 일들이 바로 이 순간에도 일어나고 있습니다. 로봇이 이제 드디어 인공지능과 만나서 뭔가 쓸모 있는 것을 할 수 있는 일이 된 시점이 이제 된 거 같습니다. 그냥 산업용 로봇뿐만이 아니고 진짜로 사람처럼 생긴 휴머노이드 로봇에 대한 관심도 굉장히 높아지고 있고. 여러분들 TV에서 많이 보셨겠지만 네 다리로 걸어가는 로봇, 이런 것도 지금 굉장히 잘 움직이고 있습니다. 그리고 공장에서도 이런 로봇 기술들을 굉장히 많이 활용하고 있는데, 더 이상 미래의 일이 아니고 국내 대기업들도 어떤 생산 시스템을 해외에 설치하면서 로봇을 활용해서 사람은 거의 없는 이런 시스템으로 공장을 수출을 하고 있는 상태입니다. 그래서 우리가 지금 살고 있는 이 사회에 지금 로봇이 굉장히 큰 역할을 드디어 하고 있습니다. 사실은 자율 주행 자동차 기술이 로봇보다 좀 먼저 나올 거라고 생각을 했는데, 그렇게 많이 기대를 하고 있었고. 우리도 그런 느낌을 가졌지만 아직 최소한 대한민국에서는 자율 주행차를 여러분들이 쉽게 타기는 어려운 거 같습니다. 일부 강남 지역에서 밤에 서비스를 하는 거 같고, 그리고 홍대에서 서울역까지인가요? 이렇게 밤에 자율 운행하는 버스 서비스를 하고 있지만 굉장히 제한적이고. 미국이나 중국에 비하면 여러분들이 자율주행 차에 대한 경험을 하는 경험은 굉장히 제한적입니다. 하지만 오히려 이제는 자율주행 차보다 휴머노이드 로봇이 먼저 오지 않을까. 이런 기대까지 해 보고 있는 시점입니다.

[What is ROBOT?] (p.6)

그러면 이제 먼저 뭔가 얘기를 하려면 정의를 먼저 해야 되겠죠. 그럼 과연 로봇은 무엇일까? 로봇을 무엇이라고 정의를 하나? 이렇게 살펴보면 여러 가지 정의가 있지만 먼저 미국의 Robotic Institute of America라는 데에서 정의한 것을 보면 이렇게 영어로 여러 가지가 있지만 중요한 단어를 몇 개 살펴보면, re-programmable 하다는 것, 그리고 multi-functional한 manipulator다. manipulator는 팔입니다. 결국. 그러니까 다시 쓸 수 있고, 프로그램을 다시 하면 다시 쓸 수 있고, 그럴 때마다 기능을 다르게 할 수 있는 팔이다. 이게 이제 로봇이라고 정의를 했고. 국제 표준 중에 하나인 ISO 규정을 보면 여기서는 automatically controlled, reprogrammable, multipurpose manipulator. 여기도 이제 비슷한 형태로 자동 제어가 가능하고, 프로그램을 다시 할 수 있고, 다양한 목적으로 쓸 수 있는 팔이라고 정의를 했습니다. 사전적으로는 이제 로봇 팔을, 팔을 로봇이라고 일단은 정의를 했는데. 여기에 들어가는 핵심은 이런 거 같습니다. 어떤 기계인데, 머신인데 인텔리전스가 있어서 인텔리전스라는 건 지능이라는 거는, 어떤 환경을 perception. 인지를 하고, 거기에 맞게끔 action. 행동을 한다는 것 같습니다. 이런 식으로 보면 이제 로봇 팔뿐만이 아니고 자동차, 자율차도 로봇으로 볼 수 있겠죠.

[Chronology] (p.7)

로봇이라는 단어가 그럼 언제 문헌에 제일 처음 나왔나? 이렇게 지금 알려진 것은 1921년에 체코의 희극 작가 카렐 카펙이라는 분이 쓴 Rossum's Universal Robots. RUR이라는 희극에 로봇이라는 단어가 처음 나옵니다. 이 로봇이라는 단어는 체코 말로 얘기하면 허드렛일 하는 사람이라는 뜻이랍니다. 이 희극에서 보면 지금 사진이 있는데, 희극의 사진이 있는데. 저 기준으로 왼쪽, 여러분 기준으로 제일 오른쪽에 있는 세 개의 하인처럼 이렇게 약간 차렷 자세를 하고 있는 저것이 로봇이고요. 그리고 오른쪽에 두 명이 있는데, 그중에 앉아 있는 여성 분이 유럽의 한 나라의 공주입니다. 그래서 어떤 스토리냐면. 이제 로썸, 유니버설 로봇의 회장이죠. 로썸이 어느 날 동굴에 가서 신기한 물질을 발견하는데, 그 물질을 가져다가 배양을 하면 사람처럼 똑같이 생긴 형체로 자라날 수 있고, 그리고 말을 하면 말을 다 듣습니다. 대신에 본인의 자아는 없어요. 그래서 하는 일을 다 시키는 대로 일을 하는 그런 존재입니다. 그것을 이제 로봇이라고 불렀고, 이런 로봇을 가져다가 공장을 운영을 하고 생산을 하기 시작합니다. 그래서 전 유럽에 이런 로봇 시스템들이 공장을 차지하고. 이렇게 있다 보니까 공주가 생각하기에 로봇은 사람하고 똑같이 생겼는데 왜 이 로봇에게는 인권이라는 게 없을까? 얘네들은 왜 마음대로 행동하게 못 하게 할까? 그래서 로봇을 만드는 이 회사에 와서 로봇에게도 그런 인격을 부여해야 된다, 그렇게 만들어라. 이렇게 서로 얘기를 하는 거죠. 설득을 하는 와중에, 그 와중에 로봇이 폭동을 일으켜서 유럽이 망하고, 전 세계 사람들이 다 죽고, 이 공주와 사장 두 명만 남아서 아담과 이브로 돌아간다. 이런 얘기입니다. 왜 이런 얘기가 나왔나 생각을 해 보면, 1920년대니까 여러분들이 사회 그때 상황이 어땠나 생각해 보면, 그렇게 생각할 수도 있겠다는 느낌이 들 겁니다 아마. 왜냐면 이때쯤 되면 이제 사회주의 개념이 유럽에 막 나타나고, 얼마 지나지 않아서 이제 소련이 생기죠. 20년대. 그리고 1차 대전이 막 끝났을 때입니다. 이때는. 그래서 어떤 전쟁에 대한 경험 이런 것도 했을 테고. 그러니까 아마 그때 사회상 노동자에 대한 삶을 이 로봇으로 투하시켜 가지고 희극에서 표현한 거 같습니다. 어쨌든 일을 하는 그런 객체로서 로봇을 표현했는데.

[Origin] (p.8)

이게 이제 최근에는 우리가 아는 로봇은 일을 하는 기계가 된 것입니다. 그래서 기계 형태로 나타난 로봇은 1950년대 Unimate라는 로봇이 이제 미국에서 개발이 되었는데. 제너럴 모터스의 60년대 공장에 사용되기 시작했습니다. 로봇의 형태는 좀 우리가 지금 아는 것과는 다른, 가운데 보이는 이런 형태의 로봇이고. 이런 로봇은 웰딩이나 아니면은 캐스팅하는 뜨겁고 무거운 거를 들거나, 아니면 반복적으로 단순한 작업을 하는 이런 일에 사용을 하기 시작했습니다. 60년대부터 미국에서는 로봇을 이용을 해서 자동차 생산을 시작을 하는 데 사용을 했고요.

[Unimate on TV] (p.9)

그리고 어떤 기술이든지 뭔가 이제 되게 특이한 기술이 나오면 그러면 이제 TV쇼에 등장을 하죠. 우리나라 같으면 이제 유재석 이런 데에 나와 가지고 만담회를 하든지 이런 일을 하죠. 미국에서도 마찬가지였던 거 같습니다. 조니 카슨 투나잇 쇼에 이 로봇이 나온 영상입니다. 그래서 이 로봇이 나와서 골프 퍼팅을 해서 다 넣고, 그다음에 우리가 상상하는 것처럼 로봇이 집에서 서비스도 해 주면 좋겠다, 이런 생각을 그때도 했나 봅니다. 그래서 주스를 로봇이 잡아다가 컵에다가 이렇게 글라스에다가 이렇게 따라주는 이런 쇼. 이런 쇼를 TV에서 보여줬습니다. 그리고 이때에도 로봇이 사람과 어떤 인터랙션을 하면 좋겠다는 생각을 했던 거 같습니다. 그래서 인터랙션을 물건을 주고받고 이런 건 어려웠을 테니까, 조니 카슨 쇼에 있는 음악단의 지휘를 하는 모습으로 사람과 인터랙션 하는. 이런 것들을 쇼로 보여줬습니다. 그러니까 기술이 나오면 뭔가 쇼를 하는데, 그때 상상했던 것이 과연 지금 이제 로봇을 사용하고 싶은 그런 것을 표현한 거 같습니다.

[Robot Manipulators] (p.10)

이제 이런 로봇들이 실제로 산업 현장에 가서 굉장히 많이 쓰이게 됐는데. 이제 쓰다 보니까 공장에서 일어나는 또 굉장히 많은 일은 이렇게 커다란 것만 다루는 게 아니고 1kg 2kg 되게 작은 물건들을 한곳에서 잡아다가 다른 곳으로 옮기는 이런 일들이 많더라는 것을 이제 사람들이 깨닫게 되었고, 그러면서 처음에 캐스팅할 때 만들었던 유니메이트는 자유도가 낮은 로봇이었지만, 이제 자유도를 높여 가지고 이런 일상적인 일을 할 수 있는 로봇을 개발하기 시작을 했습니다. 그런 기술들이 이제 일본으로 넘어와서 일본이 이런 것을 사업화를 먼저 해서 일본의 로봇 기술이 굉장히 발전하게 되었습니다. 그 이후로 이제 로봇이 생산 시스템에 굉장히 많이 쓰이게 됩니다. 반도체 공정 같은 데에서는 평면에서 이렇게 물건을 옮겨다가 이렇게 놓는 이런 작업들이 많으니까, 그냥 평면에서 이렇게 움직이는 소위 얘기하는 스카라 로봇이라는 로봇이 많이 쓰이게 됐고. 또 음식 공장에서는 로봇을 사용하거나 하면 항상 청소를 해야 되니까, 물 청소하기 쉽고 빨리 움직일 수 있는 델타 로봇이라는 그런 로봇들이 생겼고. 그리고 뭔가 로봇이 잘하는 게 어떤 지점에 정확하게 가서 정확하게 움직이는 것들을 사람보다 더 잘하니까 수술하는 데에 로봇을 쓰기 시작한 게 1900년대 말에 나온 다빈치 수술 로봇입니다. 이런 로봇들은 이제 대부분 사람이 있는 것과 로봇이 있는 것을 이렇게 분리해 가지고 사용을 했는데, 사람하고 그러면 같은 공간에서 로봇을 사용해 보자는 개념의 협동 로봇이라는 것들이 이제 2000년도 중반부터 나오기 시작을 해서, 이제는 협동 로봇을 공장에서 활용하고자 하는 이런 시대로 접어들고 있습니다.

[Mobile Robots] (p.11)

로봇 팔 입장에서는 그랬고요. 이제 바퀴로 굴러가는 로봇은 어땠냐? 바퀴로 굴러가는 로봇은 사실은 어떤 응용 분야를 먼저 생각을 하고 나온 거보다는 AI를 구현하는, AI를 표현하는 목적으로 처음에 로봇이 이렇게 등장을 했습니다. 1960년대 이제 stanford research institute라는 곳에서 AI 연구하는 팀들이 카메라를 보고, 과연 로봇이 자율적으로 한 지점에서 다른 지점까지 벽에 부딪히지 않고 복도를 잘 따라서 갈 수 있겠느냐? 이런 인공지능 문제를 풀기 시작했습니다. 그때 나온 로봇이 이런 쉐이키라는 모바일 로봇이고요. 그리고 얼마 지나지 않아 이런 로봇들이 상업적으로도 쓸모가 있겠구나 하고 생각을 했고, 이런 것들이 병원에 사용이 되기 시작했습니다. 약을 배달하는 로봇입니다. 약 창고에서부터 간호사가 있는 방까지 로봇이 카트리지에 약을 넣고 배송을 하는 거죠. 모바일 로봇이 우리 일반인들에게 좀 유명해진 계기가 있는데, 바로 화성에 보낸 탐사 로봇입니다. 패스파인더죠. 이 로봇은 사실은 자율 이동 로봇은 아니었고요, 워낙에 이제 화성에 가 있으면 잘못되면 이제 우리가 고칠 수가 없으니까 굉장히 조심스럽게 원격 제어를 해서 움직였습니다. 재미있는 로봇은 컴뱃필드에서 쓰인 아이로봇사의 팩봇이라는 로봇입니다. 이 아이로봇이라는 회사가 2000년대에 팩봇이라는 것을 만들어 가지고 이제 미군에 납품을 했는데, 이 당시도 이제 살펴보면 90년대에 이제 아프가니스탄 이런 데 전쟁이 있었고, 이라크가 사우디 쿠웨이트를 침공하고 이럴 때입니다. 그래서 미군이 여기저기 경찰 노릇을 많이 하면서 군인을 파견을 했죠. 그러면서 이제 폭탄이 있으니까 폭탄이 터져서 이거 폭탄을 어떻게 처리할까, 로봇을 먼저 보내 가지고 안전성을 확인해 보자 이런 거였습니다. 그래서 아이로봇이 이 로봇을 전장에 투입하려다 보니까, 이거를 조심스럽게 다루는 로봇은 현장에 필요 없는 거예요. 그러니까 막 아무 데나 가서 휙 집어던지고, 멀리서 원격으로 제어해서 폭탄인지 아닌지 보고 이런 기술이 필요했습니다. 그래서 굉장히 rugged 한, 되게 튼튼한 로봇을 만들 수 있는 기술을 얻었고요. 그리고 이 친구들이 이제 군용 로봇을 이렇게 하다가 사업을 확장하려고 보니까 과연 사업을 어떻게 하면 확장할 수 있을까, 그래서 여러 가지 시도를 합니다. 그래서 비슷한 로봇 기술을 가지고 슈퍼마켓에 이렇게 청소하는 거, 청소하는 거를 자동화하는 청소 로봇 이런 것들을 해 보고. 그다음에 좀 작게 만들어 가지고 장난감도 만들어 보고. 이런 거를 하다가 기술을 이제 쌓게 돼요. 그래서 청소하는 기술도 쌓고, 그다음에 어떤 시스템을 싸게 만드는 기술도 획득하게 됩니다. 그렇게 해서 만든 것이 2002년에 나온 아이로봇의 청소로봇 룸바라는 겁니다. 그래서 최초의 일반 사용자가 쓰게 된 로봇이 룸바죠. 그래서 룸바가 대히트를 쳐서 아마 일반인들이 사용하는 로봇 중에는 최초로 100만 대 이상이 팔린 로봇이 되었습니다. 이 친구들이 이제 이 룸바를 만들었을 때도 재밌는 스토리가 있는데. 룸바를 굉장히 놀라운 가격에 팔았습니다. 이게 성공할 수 있었던 가장 큰 이유가 199불이라는 굉장히 파격적인 가격에 팔았는데. 그 가격에 만들 수 있었던 것이, 장난감을 한번 만들어 봤기 때문에. 장난감은 싸야 팔리니까. 그러니까 싸게 만드는 기술이 있었고, 그다음에 청소라는 것이 사람들이 원하는 서비스라는 것도 파악을 했고. 그리고 마케팅적으로도 이제 남편들이 부인 몰래 쓸 수 있는 돈, 허락을 받지 않고 쓸 수 있는 최대가 얼마일까 봤더니 한 200불 정도 되더라 해서 그 가격에 맞췄다고 합니다. 그래서 공전에 히트를 치고, 지금은 100만 원짜리 로봇도 이제 막 나오기 시작을 했죠. 훨씬 더 복잡한 기능을 갖는 로봇들이 나왔습니다. 이 처음에 나온 룸바만 해도 알고리즘적으로 굉장히 단순합니다. 가격을 봐서 알 수 있겠지만, 알고리즘은 어떤 거냐면 로봇은 무조건 앞으로 갑니다. 무조건 앞으로 가다가 어딘가에 부딪히면 랜덤한 방향으로 돕니다. 그리고 또 앞으로 갑니다. 이거를 반복을 하면 언젠가는 주어진 공간을 다 왔다 갔다 할 것이라는 게 이 친구들의 아이디어였습니다. 그러니까 아이디어, 단순한 알고리즘을 썼기 때문에 로봇을 싸게 만들 수 있었죠. 그래서 마케팅적으로 성공한 로봇이 됐고. 지금 현재 청소 로봇은 이것보다 훨씬 더 복잡한 일을 합니다. 방에 들어가면 지도를 만들고, 어디를 청소를 더 많이 했고, 어디는 안 했으니까 나중에 여기를 해야 된다. 이런 복잡한 알고리즘이 들어가 있습니다. 하지만 이제 20년 전의 로봇은 단순하지만 상품적으로 성공한 로봇이 되었습니다. 그다음에 2000년대 초반에 2004년 이때 이제 미국에서는 전쟁 때문에 이 자동차를 자율화하고자 하는 수요가 군에서 있었습니다. 그래서 자율로봇에 대한 평가를, 기술을 평가하기 위해서 미국의 국방 연구소 격인 DARPA가 그랜드 챌린지라는 대회를 2004년에 먼저 엽니다. 2004년의 그랜드 챌린지는 어떤 거냐면, 이제 캘리포니아의 모하비 사막에서 한 240km 되는 길을 차가 비포장 도로를 스스로 길이 어디인지 알아내고 가라는 그런 미션이었습니다. 그래서 스위치를 딱 켜고 절대로 사람의 어떤 간섭 없이 240km를 갈 수 있느냐. 이거를 했는데. 2004년도에는 1등 한 팀이 주어진 길이 240 중에 한 5% 정도밖에 되는 길밖에 못 가고 가다가 바위에 걸려 가지고 멈췄습니다. 그러니까 실패한 거죠. 그리고 2005년도에 똑같은 게임을 해서 드디어 완주하는 팀이 나왔고, 그 팀이 이제 스탠퍼드의 스탠리라는 팀입니다. 그리고 사막에서는 이제 길만 찾아서 가는 문제였고, 2007년도에는 DARPA가 어반 챌린지라는 거를 만들었는데. 어반 챌린지라는 거는 이제 도심 환경처럼 꾸며진 곳에서 로봇 차가 우리 사람처럼 교통 규칙을 지키면서 가라는 게 미션이었습니다. 그래서 교차로에 들어오면 그러면 미국 같은 시스템에서는 이제 교차로에 들어오면 먼저 온 차가 먼저 갈 수 있다, 예를 들면 이런 룰이고. 그리고 앞에 주차한 차가 있으면 추월할 수 있다, 이런 게 룰이죠. 이런 룰을 지켜가면서 대회를 진행을 했고, 스탠퍼드 팀이 팀 보스가 이제 우승을 하게 되고. 또 한국에도 유명해지신 데니스 홍 교수님이 3등을 하셨죠. 이 대회에서. 그래서 모바일 로봇 기술, 자율차 기술은 이제 2007년 즈음에 이게 어느 정도 구현이 가능할 것 같다는 게 기술적으로 확인을 받았습니다. 그러고 나서 테슬라가 오토파일럿이라는 것을 이렇게 공개한 게 2014년이었고. 시내 주행 고속도로의 주행이 가능하다고 데모를 보여 준 오토파일럿 2가 2017년쯤 되니까. 우리가 대회를 통해서, DARPA 대회를 통해서 기술을 확인하고 그리고 이것이 상업화되는 데까지 약 10년 정도가 걸린 거 같습니다. 근데 2007년에 이제 DARPA가 이런 대회를 하기 전에 그러면 이론적으로 어떤 일이 있었냐. 2000년에 이제 SLAM이라는 문제가 처음 풀려서 논문으로 나옵니다. SLAM이라는 게 뭐냐면, simultaneous localization and mapping이라는 겁니다. 말 그대로 동시에 localization 위치 인식과, mapping 지도 만드는 일을 동시에 한다는 겁니다. 우리가 어딘가를 가려면 돌아다닐 수 있으려면, 지도가 있으면 우리가 어디를 찾아갈 수 있죠. 그렇죠. 근데 또 지도를 만들려면 어떻게 만드나요? 옛날에 대동여지도를 어떻게 만들었나 이런 얘기를 들으셨으면, 여기 왼쪽에 우리 집이 있고 오른쪽엔 철수네 집이 있는데 내가 앞으로 백 걸음을 가면 오른쪽에 영희네 집이 있다. 내가 얼마큼 가는지 정확하게 알면, 상대적으로 어떤 위치가 어느 공간이 어디에 있는지 그릴 수가 있겠죠. 그러니까 위치를 알아야, 내가 움직이는 위치를 알아야 지도를 만들 수 있습니다. 근데 지도가 있어야 나의 위치를 알 수가 있죠. 또. 지도 위에서. 근데 처음 가보는 곳, 예를 들면 화성 이런 데는 지도가 없고 가보지도 않았으니까 이걸 동시에 해결해야 되는 거죠. 그래서 SLAM이라는 게 이제 자율주행차 기술의 필수적인 기술이었는데. 이런 이론적인 문제가 2000년대에 풀렸고, 그리고 한 7년 정도 지나서 어떤 제한된 공간에서 기능이 확인이 됐고. 그리고 또 10년 지나서 처음 상품화가 되었습니다. 그러니까 이론적인 문제가 풀리고 한 20년은 지나야 물건이 나오는 거 같습니다.

[Humanoid Robots] (p.12)

그러면 휴머노이드 로봇은 어떨까요? 휴머노이드 로봇은, 가장 단순한 형태의 휴머노이드 로봇은 이론적인 문제는 1960년대 GMP라는 이제 안정화된 알고리즘에 대해서 논문이 나왔습니다. 이게 뭐냐면 이제 예를 들어 두 다리로 걷는다고 하면, 한 다리로 걷든 두 다리로 걷든, 이렇게 우리가 걷는다 하면 우리의 무게 중심이 발바닥 안에 있어야 넘어지지 않을 것이라는 겁니다. 이런 이론에 기초해서 일본에서 교수들이 로봇을 만들고, 걸어가는 거를 데모를 한 게 70년대부터 90년대 말 혼다 아시모가 나올 때까지였습니다. 그리고 2000년대 중반쯤에, 2005년도쯤에는 아시모가 걷는 것뿐만이 아니고 계단도 오르내리고, 그리고 살짝 뛰어가는 것까지도 데모를 했었습니다. 그 이후에 2013년도에 미국에서는 이제 그랜드 챌린지, 모바일 로봇에 대한 기술을 확인하고 나서 그러면 과연 이족보행 로봇은 기술이 어디까지 왔나 확인을 해 보자고 해서, DARPA 로보틱스 챌린지라는 거를 또 했습니다. 그래서 이족보행 로봇을 했죠. 이때 2015년에 카이스트의 오진호 교수님께서, 카이스트 팀이 우승을 해 가지고 이제 유명해졌습니다. 그래서 휴머노이드 로봇이 어느 정도 쓸모가 있겠구나 하는 데모를 보여 줬고, 그 이후에 여러분들이 많이 아는 보스턴 다이나믹스의 아틀라스 로봇들이 이제 2017년 이후에 막 나타나 가지고, 여러 가지 재밌는 모습들을 보여줬죠.

[Humanoid Robots 2024] (p.13)

그리고 작년부터 또다시 이 휴머노이드 로봇 붐이 일기 시작을 했습니다. 여기 최전선에 있는 거는 테슬라의 옵티머스. 제일 오른쪽에 있는 옵티머스 로봇이고요. 제일 왼쪽에 있는 보스턴 다이나믹스의 이 아틀라스는 이제 유압 액추에이터로 구동이 되다가, 이거는 리타이어하고 다시 다른 로봇들처럼 전기 로봇. 전기 모터로 움직이는 로봇들이 이제 나오기 시작했습니다. 그래서 피규어의 로봇, 피닉스, 디짓, 중국에서도 유니트리의 H1, G1. 이런 휴머노이드 로봇들이 지금 굉장히 많이 나오고 있고 이런 로봇 기술을 개발하려는 스타트업도 많이 나오고 있습니다.

[IFR Robot Density] (p.14)

로봇 이제 어떻게 발전할지 간단하게 리뷰를 해 드렸는데, 그러면 대한민국은 과연 전 세계에서 로봇과 관련돼서 어떤 위치에 있나? 일단 산업용 로봇 입장에서 과연 어떤 위치에 있나 이렇게 살펴보면, 유럽에 있는 유럽 로봇 연합이라는 IFR이라는 곳에서 매년 산업용 로봇을 과연 어느 나라가 어떤 분야에서 제일 많이 활용하나, 이런 조사를 합니다. 약 10년 전에 2016년에 조사한 바를 보면 대한민국이 제일 왼쪽에 있습니다. 제일 많이 쓰고 있습니다. 이게 어떤 거냐면 산업인력 만 명당 로봇을 몇 대를 쓰고 있느냐, 이런 내용입니다. 그러면 10년 전에, 약 10년 전에 한국이 630대를 쓰고 있고, 2등이 어딘가 보면 싱가포르, 3등 독일, 4등 일본. 그리고 스웨덴, 덴마크, 미국, 이태리. 어떤 나라들이죠? 제조업 선진국들입니다. 그러니까 제조업에서 특히 자동차, 반도체 이런 것들 만드는 데 로봇을 굉장히 많이 쓰고 있습니다. 2023년 최근 자료를 보면 여전히 대한민국이 로봇을 가장 산업적으로 잘 활용하고 있는 국가입니다. 인구 만 명당, 산업인력 만 명당 로봇을 천 대 이상 쓰고 있습니다. 그리고 여전히 싱가포르, 독일, 일본. 많이 쓰고 있는데 놀라운 점은 뭐냐면 중국의 등장입니다. 10년 전에 평균 이하였거든요. 근데 23년에 중국의 로봇 사용 수가, 밀도가 독일을 넘어섰습니다. 일본과 독일을 넘어섰습니다. 그러니까 지금 우리가 느끼는 건 중국이 전기자동차 시장을 지배하기 시작했다 이런 얘기가 들리고, 중국이 반도체 시장에서도 큰 힘을 내고 있다 이런 얘기가 많이 들리는데. 그것과도 무관하지 않은 거 같습니다. 드디어 중국이 그냥 싼 인력에 의존하는 그런 국가가 아니라는 것이 로봇 밀도에서도 이렇게 나타나고 있는 거 같습니다.

[Recent Driving Forces in Logistics] (p.15)

그럼 이제 최근에 로봇은 산업적으로 어떤 분야에서 그 요구와 쓰임새가 많아지고 있는지 살펴보면. 가장 대표적인 분야가 물류 분야입니다. 물류라 하면은 여러분들이 이렇게 쿠팡이나 혹은 이런 데서 주문하는 이커머스에만 국한된 것이 아니고, 사실은 물건이 왔다 갔다 하는 모든 거. 이게 이제 물류죠. 생산 물류도 있고, 이커머스의 물류도 물류고. 그러니까 모든 물건이 왔다 갔다 하는 것, 이것이 이제 물류 문제라고 볼 수 있는데. 여기의 모든 문제 로봇이 쓰일 곳이 많고, 그리고 현재 굉장히 많이 사람의 인력에 의존하고 있기 때문에 자동화의 필요성이 많이 대두되고 있는 분야입니다. 물류가 물건이 어떻게 왔다 갔다 하나 이렇게 한번 살펴보면, 가운데 공장이 있다고 치면 그 공장에 물건을 납품하기 위해서 트럭에 물건을 가득 싣고 그 공장에 가야 되겠죠. 그러면 이제 물류와 관련된 기술들이 뭐가 있나 보면 트럭킹, 그러니까 트럭을 자유롭게 운행하는 거. 이것도 이제 물류 문제고요. 그러면 공장이 또 여러 개 있고 트럭이 여러 대가 있으면 이 트럭들을 언제 어느 공장으로 보내야 되는지 우리가 플릿 매니지먼트도 해야 되겠죠. 이런 것도 자동화 이슈가 있고. 그다음에 트럭이 공장에 들어가면, 그러면 거기 트럭에 있는 물건을 내려야 되겠죠. 그럼 어떻게 물건을 내리느냐. 그다음에 또 굉장히 많은 물건들은 이제 팔레트라는 데 위에 이렇게 쌓여 있습니다. 그럼 팔레트를 어떻게, 팔레트에 쌓여 있는 물건을 어떻게 또 내릴 것이냐. 그럼 물건을 내렸으면 창고에 보관을 해야 되겠죠. 그러면 이 창고는 어떻게 관리할 것이냐. 창고에 물건을 넣고 빼고, 자재는 어떻게 어떤 물건이 어디 있는지, 언제 들어왔는지, 얼마나 있는지 이런 것들 관리하는 거. 다 자동화의 이슈가 있습니다. 공장이라면 뭔가 조립을 해야 되니까 물건을 잡고, 옮기고, 끼우고, 조이고 이런 일들을 해야 되겠죠. 그다음에 이제 물건을 다시 팔레트 위에 싣고 그다음에 여러분들이 화장품 같은 거 이제 주문을 하면, 그러면 창고에서 화장품을 가져다가 상자에 놓고, 포장재를 넣고, 뚜껑을 닫고, 테이핑을 하고 이런 일들 전부 다 이제 지금 현재는 사람이 하고 있는데. 이런 것들을 자동화해야 되는 이슈가 있어서 로봇에 대한 관심이 많이 나오고 있습니다.

[Robotics in Logistics] (p.16)

여기에 쓰이는 로봇들은 트럭도 로봇이고, 그다음에 바퀴로 굴러가는 로봇도 로봇이고, 그다음에 날아가는 드론도 로봇이고, 팔이 달려 있는 것도 로봇이고. 궁극적으로는 휴머노이드가 이런 일을 해 줬으면 좋겠다는 게 미래 방향인 거 같습니다.

[Mobile Robots in Warehouse] (p.17)

그럼 어떤 로봇이 쓰이고 있나 한번 그림으로 일단 살펴보면. 먼저 트럭에서 물건을 내리는 것. 이렇게 살펴보면 팔레트를 내리는 것. 이런 것들이 첫 번째 포크리프트를 자동화하는 거. 이런 것들을 보면 중국 기업들, 미국 기업들 이런 기업들이 굉장히 많습니다. 그다음에 이커머스와 관련해서는 로봇이 이제 물건을 갖다 주는 시스템, 이런 것들을 이제 Goods to Person 시스템이라고 합니다. GTP 시스템이라고 합니다. 예전에는 이제 아마존에서, 이 아마존이 이제 이커머스를 시작할 때는 아마존이 커다란 창고를 사고 그리고 사람들이 살 만한 물건을 수만 개를 거기다 사서 다 채워 넣습니다. 그리고 우리가 주문을 하면 사람이 카트를 싣고, 카트를 끌고, 물건이 있는 데 가서 주문서를 보고 하나씩 담았어요. 그래서 물건이 배달 오는데 2일-3일 이렇게 걸렸죠. 그런데 지금은 이제 어떻게 하냐면, 물건을 가지러 사람이 가는 게 아니고 사람은 가만히 있고요. 물건을 담고 있는 선반이 나한테 옵니다. 그러면 나는 주문서를 보고 필요한 물건만 이렇게 담으면 되는 거죠. 그 물건을 담고 버튼을 누르면 다음 담을 물건이 또 선반이 와서 이렇게 있고. 그래서 물건이 나한테 온다고 해서 GTP. Goods to Person 시스템이라고 합니다. 그래서 지금 이런 Goods to Person 시스템을 이용해서 이제는 하루 배송 이런 것들이 가능해졌고.

[Mobile Robots in Warehouse] (p.18)

그리고 여기에서 한 발 더 나아가서 이제 물건을 아예 상자에서, 그 보관한 창고에서 끄집어내서 이거를 담는 것까지 자동화하자고 하는 것이 Auto Storage Auto Retreat. ASAR 시스템이라는 것이고. 특히 코로나 시대 때 이제 밖에 못 나가니까 식음료도 우리가 온라인으로 주문을 하다 보니까 도시 근교에 이런 시스템들이 많이 나타나기 시작을 했습니다.

[Mobile Robots in Production] (p.19)

공장에서도 물건을 갖다 주는 거, 여전히 사람이 카트를 끌고 이렇게 하면 어렵고, 무겁고, 불편하고 하니까 이런 것들을 로봇을 이용을 해서 하려고 하는 것들이 지금 현재 현장에 쓰이고 있습니다. 특히 재밌는 거는 어떤 거냐면, 자동차를 생산을 할 때 우리가 포드의 컨베이어 시스템 이래 가지고 자동차가 컨베이어에 매달려서 이렇게 가면 사람들이 매달려 가지고 부품을 하나씩 조립하고 이렇게 이제 하는데. 이게 이 컨베이어를 대신해서 로봇을 사용하는 공장들이 미국에 나타났습니다. 드디어. 그래서 포드가 F1 시스템, F1 트럭이라는 거를 전기 트럭을 배터리부터 차체까지 생산하는데, 아래 컨베이어에 놓고 하는 게 아니라 로봇 위에 올려놓고 이런 조립을 하는 일을 지금 미국에서 적용을 하고 있고. 현대자동차도 조지아 공장에 이런 시스템을 도입하려고 하고 있습니다.

[Robot Experiments] (p.20)

이렇게 여러 가지 로봇들이 있다는 거를 이제 여러분들께 소개를 해 드렸는데. 그러면 도대체 이런 로봇들을 움직이려면 어떤 거를 해야 될까? 시간이 되니까 한번 여러분들과 실험을 한번 잠깐 해 보면 좋을 것 같습니다. 그래서 두 명이 필요하거든요. 한 명이 이제 로봇이 될 거고요. 다른 한 명이 로봇을 제어하는 제어기가 될 겁니다. 그래서 로봇을 한번 내가 해 보겠다 하시는 분들이 있으면 손을 들어주시면 감사드리겠습니다. 어떤 분이 한번 로봇을 해 보실까요? 어떤 분이. 여기 가능하실까요? 앉아 계시면 됩니다. 로봇. 그다음에 제어기. 내가 이 로봇을 한번 제어해 보겠다. 없으시면. 자 로봇에게 우리가 뭘 시킬 거냐면, 여기 보니까 피아노가 있더라고요. 그래서 좀 거리가 되긴 하지만, 로봇에게 우리가 좋은 연주를 해 달라고 하면 좋겠지만, 도를 눌러 달라고 한번 시켜 주십시오. 우리 로봇이 굉장히 좋은 로봇입니다. 지금 빨리 해야 될 것 같으니까 중간에 뛰기도 하고요, 돌아가 주실까요. 로봇이 이제 굉장히 똑똑하죠. 도 눌러줘 그러니까 딱 나와서 걷다가, 뛰다가, 피아노 뚜껑도 열고 도를 딱 눌렀어요. 이 로봇은 제가 알기로는 이 공간에 있은지 한 지금 제가 강의한 지도 30분 됐으니까, 한 40분 넘게 한 시간 정도 있었던 거 같고요. 여기 공간이 어떤 공간인지 좀 어느 정도 개념이 있습니다. 앞에는 이렇게 의자들이 있고. 그래서 로봇에게서 센서 하나만 없애 보겠습니다. 눈을 감아 주세요. 이제 로봇은 공간에 대한 정보는 있지만, 정확하게 센서로 피드백을 받을 순 없어요. 자 이제 로봇을 똑같은 일을 한번 더 해 보겠습니다. 여기까지 해도 될 거 같습니다. 자 두 번째 실험에서 여러분들은 어떤 거를 관찰을 하셨나요? 일단 로봇이 느려졌다. 당연하고요. 제어기 입장에서 어떻게 바뀌었죠? 명령이 조금 더 구체화됐다. 그거 말고 또 뭐가 있을까요? 갑자기 숫자가 나타나기 시작합니다. 한 걸음 가, 왼쪽으로 돌아. 이거를 이제 좀 자세히 하다 보면, 왼쪽으로 90도 돌아. 이런 식으로 숫자가 나타나기 시작합니다. 왜냐하면 우리가 로봇을 움직인다는 거는 결국 뭐냐면, 로봇 각 관절에 있는 수많은 모터 구동기한테 정확하게 어떻게 움직이라고 숫자를 주는 것이 로봇을 움직이는 겁니다. 근데 우리가 움직여야 될, 우리가 제어해야 되는 숫자가 굉장히 많은 거죠. 휴머노이드 로봇한테는 40개가 될 수 있는 거고요. 산업용 로봇만 해도 최소한 여섯 개는 우리가 줘야 한 위치에서 다른 위치로 갈 수가 있습니다. 그러면 그 숫자를 어떻게 주느냐에 따라서 로봇이 잘 갈 수도 있고, 못 갈 수도 있고. 특히 아까 피아노 근처에 가면, 그쪽으로 가면 안 되고 왼쪽으로 가고, 뒤로 가고. 뭔가 위치에 대한 정보를 이제 주기 시작을 하죠.

[Fundamental Problems in Robotics] (p.21)

그래서 로봇이 뭔가 일을 하려면 어디에 있는지, 이걸 알아야 됩니다.

[Mobile Robot vs Manipulator] (p.22)

근데 이제 바퀴로 움직이는 로봇하고 팔로 로봇하고. 이게 하나는 쉽고 하나는 어렵고, 근데 쉬운 게 좀 다르고 어려운 게 다르고. 이런 게 있습니다. 바퀴로 움직이는 거는 우리가 바퀴가 몇 바퀴를 돌았는지 세면 바퀴의 크기를 아니까 얘가 어디까지 갔을 거다 예측을 할 수 있습니다. 그런데 이제 바퀴가 이제 방향을 틀기 시작하면 문제가 생깁니다. 그냥 앞으로 가면 상관이 없는데, 우리는 이런 2차원 공간에서 움직여야 되니까 방향도 바꿔야 되잖아요. 근데 앞으로 똑바로 가다 보면 이렇게, 사람도 가다 보면 똑바로 못 가죠. 옆으로 약간 이렇게 패턴이 왼쪽 오른쪽이 다를 수 있으니까. 그럼 이제 똑바로 못 갑니다. 나는 왼발 오른발 둘 다 열 걸음씩 갔는데 정면으로 간 게 아니고 약간 삐뚤게 가요. 로봇도 그렇습니다. 그러면 이렇게 잘못 갔을 때 내가 어떻게 위치를 알고 보정하겠느냐, 이런 게 이제 모바일 로봇 입장에서 중요한 문제입니다. 로봇 팔 같은 경우에는 관절에 모터가 있거든요. 근데 모터는 여기에 엔코더라고 이제 모터가 몇 도 돌았는지 측정할 수 있는 센서가 있습니다. 이거는 굉장히 정확합니다. 왜냐면 모터에는 기어가 달려 있어서 모터는 한 바퀴 돌더라도 이 끝에서는 100분의 1밖에 안 움직이기 때문에, 되게 조금 움직이기 때문에. 굉장히 정확하게 우리가 움직임을 알 수가 있습니다. 다만 얘는 뭐가 어렵냐면, 센서를 붙여 놓으면 이게 내가 보는 센서의 위치하고 로봇의 위치가 같은 건지? 이런 것들을 이제 알아내기가 어렵죠. 우리도 사람도 이런 눈 하고 팔 하고 협력이 잘 안 되니까 우리 모두가 다 야구 선수가 될 수 없고, 우리가 다 훌륭한 골프 선수가 될 수 없고 그런 거겠죠.

[SLAM-Navigation/Calibration-Picking] (p.23)

그래서 모바일 로봇 입장에서는 위치를 아는 거, 이게 이제 SLAM이라는 문제. 아까 말씀드렸던 그런 문제고. manipulator 로봇 팔 입장에서는 내 눈과, 로봇과, 내가 집어야 되는 물체의 어떤 상대적인 정확한 위치를 알아내는 거. 이런 것들이 이제 어려운 문제입니다. 모바일 로봇 같은 경우에는, 자동차 같은 경우에는 우리가 복잡한 환경에서 장애물을 피해서 과연 어떻게 움직여야 되느냐? 이런 문제가 어려운 문제고. 로봇 팔 입장에서는 우리가 보는 물건을, 얘를 어떻게 하면 잡을 수 있을까? 어디를 잡아야 될까? 힘은 얼마나 줘야 될까? 이런 것들을 알아내는 게 어려운 문제입니다.

[Autonomous driving by RISE Lab] (p.24)

그래서 일단 어디로 가는지, 어디에 있는지 이거만 알면 그러면 대학생들도 이렇게 자율차를 만들어서 운영을 할 수가 있습니다. 지금 보여 드린 거는 우리 학생들이 한 거고요. 지금 자율차 여덟 대가 서로 모든 자동차가 이제 경주를 하는 겁니다. 누가 더 빨리 가나. 그러면 앞에 가는 차를 보고 쟤는 앞으로 가는 거 같아 예상을 하고, 그럼 나는 왼쪽으로 가야지. 왼쪽으로 오네, 나는 피해 가야지. 이런 일을 이제 할 수가 있습니다. 그러니까 어디로 가고 있고, 어디로 갈지 예상할 수 있으면 그러면 안전하게 운전할 수 있습니다. 그래서 자율차의 문제를 아주 단순화시키면, 그럼 내가 어디 있느냐? 상대는 어디 있느냐? 상대는 어디로 가고 싶어 하느냐? 이거를 알아내는 문제입니다.

[Demo Suction Gripper Unloading System by RISE] (p.26)

그래서 이제 여러분들 들어봤는지 모르겠지만 지옥의 알바 해 가지고, 추석이나 설날이나 이때 되면 쿠팡에 가면 이제 트럭에서 상자 내리는 이런 알바를 하잖아요. 이런 것들이 지금 자동화가 안 됐습니다. 그래서 모두 다 사람이 합니다. 그러면 이제 그때 죽음의 알바라고 하는 이유가 뭐냐면, 트럭이 하나가 들어오면 이게 보통 11톤 트럭입니다. 그럼 11톤 트럭이 하나 들어오면 그 안에 상자가 한 2,000개쯤 있습니다. 이거를 이제 트럭이 한 시간 안에 들어왔다 나가야 되거든요. 그러면 작업자가 거기서 한 40분 안에 이거를 2,000개를 다 내려야 됩니다. 그럼 40분 안에 2,000개를 내린다고 생각하면, 거의 10초에 하나씩 이 정도 수준으로 내려야 다 내릴 수 있거든요. 저도 가서 해 봤는데 이게 어려운 게 뭐냐면, 상자가 있는데 이게 얼마나 무거운지 알 수가 없어요. 눈으로만 봐서는. 그리고 이것들을 빨리빨리 해야 되니까 어렵습니다. 근데 이런 것들을 이제 자동화하려면 우리가 물건을 이렇게 쌓여 있으면 이게 어디서부터 내려야 되는지, 어디를 잡아서 내려야 되는지, 그다음에 어느 순서로 내려야 되는지. 이런 것들을 알아야 됩니다. 그러니까 이런 것들을 자동화하는 일. 이런 것들이 이제 우리가 해야 되는 일입니다. 그래서 왼쪽 위에 보는 거는 이제 카메라, 그리고 거리 센서가 같이 들어가 있는 카메라를 이용을 해서 개별 상자의 위치와 자세를 인식을 하는 거고. 오른쪽은 그거를 보고 이 쌓인 상태에서는 아래 거를 먼저 뽑으면 안 되고, 위에 거를 먼저 뽑아야 되고, 그리고 제일 빨리 뽑으려면 이런 순서로 뽑아야 되겠구나. 이런 것들을 이제 계산을 하는 거고. 그거를 이제 시뮬레이션을 해보고, 머릿속으로 생각을 해보고 맞으면 왼쪽처럼 로봇으로 움직이는 겁니다.

[Real Service Robot by RISE Lab] (p.29)

그다음에 아까 이제 우리 훌륭한 로봇은 그냥 한마디로 피아노도 쳐줘 그랬더니 이제 딱 갔는데, 사실 우리가 실험을 해 봤지만 로봇에게 그냥 마루에 앉아서 로봇 보고 음료수 하나 갖다 줘, 이게 이제 실행이 되려면 그럼 로봇은 뭘 해야 될까 생각을 해 보면. 음료수가 냉장고에 있는 걸 알아야 로봇이 냉장고로 가겠죠. 그럼 냉장고는 부엌에 있는 걸 알아야 얘가 부엌으로 갈 거고. 냉장고를 찾을 것이고. 그리고 냉장고 안에 음료수가 있다는 걸 알아야 그 안에 뭔가를 들여다볼 생각을 하는데. 문이 닫혀 있으면, 이거 문은 닫혀 있는 거고 열 수 있는 거다. 이걸 알아야 문을 열 생각을 하고. 문을 열려면 손잡이를 가서 잡아야 되고. 손잡이를 가서 잡으려면 내 손의 코디네이트가 어느 위치로 가야 되는지 숫자를 알려 줘야 되고, 얼마만큼의 힘으로 당겨야 되는지 알려 줘야 되고. 이런 것들을 할 수 있어야 이 작업이 가능한 거죠. 이런 것들을 이제 어떻게 자동화할 것이냐. 이런 것이 이제 로봇을 프로그래밍을 하는데 우리가 해야 되는 일입니다.

[Safe Hydraulic Manipulator by RISE Lab] (p.31)

그다음에 이제 안전 로봇이라는 게 이제 필요하죠. 로봇이 우리하고 같은 생활환경에서 생활을 하려면, 우리가 부딪히면 사고가 나서 다치듯이 로봇이 우리하고 부딪혀도 상처가 나지 않아야 되겠죠. 지금 보여 드리는 거는 굉장히 힘이 센 위험 로봇에 안전 기능을 넣어서, 칼로 사과를 탁 닿아도 거의 스크래치밖에 나지 않을 정도로. 이런 기능이 없으면 그냥 사과를 팍 뚫어버리고. 이런 기능이 없으면 이제 로봇하고 같이 일하는 공간에 사람이 노동자가 가서 일을 하다가 맨날 로봇한테 맞아가지고 멍들어 오고. 이러면 아무도 거기 가서 일 안 하겠죠. 이게 이제 협동 로봇, 우리가 얘기하는 협동 로봇의 가장 기본적인 기능입니다. 이런 기능을 이제 좀 확장을 하면, 우리가 로봇을 코디네이트를 아까 맞춰야 된다고 그랬는데, 이거를 코딩을 이렇게 하는 게 아니고, 그냥 사람이 부여잡고 너 이렇게 움직이면 되는 거야 하고 가르쳐 주면, 그러면 로봇이 이 동작을 쫓아 할 수 있게 되겠죠.

[Robotic Application in Restaurant] (p.33)

이렇게 직접 부여잡고 가르쳐 줄 수도 있지만, 아니면은 VR 같은 걸로 가르쳐 줄 수도 있고. 그다음에 이런 로봇들이 이제 우리 실생활의 어디쯤 쓰이면 좋을까. 저희가 생각해 본 것 중에 하나는 음식을 딜리버리 하는 것도 좋지만, 뷔페식당 같은 데 가서 굳이 사람이 다 먹고 나온 그릇을 종업원이 치워야 될까? 로봇한테 치우게 하자. 이런 일들. 이런 것들은 이제 조만간에 우리가 볼 수 있을 것 같습니다.

[RISE Lab Demo: Remote Driving] (p.34)

그럼 모든 것이 또 자율이어야 되느냐? 그럴 필요도 없다는 겁니다. 필요하면 원격으로 사람이 개입해서 시스템을 제어를 하자. 예를 들어 우리가 택시를 탈 때 기사분이 꼭 그 차에 있어야 될까요? 기사분은 좋은 집에서 편안한 데서 있고, 차는 그냥 시내를 돌아다니고. 원격으로 제어를 할 수 있으면 그러면 굳이 완벽하지 않은 자율차가 있지 않더라도, 그러면 로봇 택시 서비스를 우리가 받을 수 있을 겁니다. 예를 들면 섬 지역에 버스 기사를 두기 어려운 경우에, 우리는 인천에 앉아서 저기 인천 어디 낙도에 있는 섬에 있는 버스를 운영할 수도 있겠죠.

[More Progress in AI/Algorithm + Hardware] (p.35)

이제 이런 로봇 기술들이 인공지능하고 만나서 더 재밌는 일들을 하기 시작을 했습니다. 인공지능도 여러 가지 기술들이 발전을 해 왔지만 최근 들어 이제 트랜스포머라는 것을 기반으로 많이 발전했는데. 이게 이제 다른 기존의 CNN 기반의 알고리즘들과 다른 것들은 어떤 거냐면, 인식하는 것이 스스로 어디를 봐야 되는지 알기 시작했다는 겁니다. 그래서 셀프 어텐션을 할 수 있다. 이런 것들. 이런 기술을 활용해서 이제 로봇과 많이 연결이 되고 있고. 또 라지 랭귀지 모델. 우리가 말하듯이, 아까 이제 작업을 하려면 이런 복잡한 순서로 일을 해야 된다, 이런 것들을 LLM을 이용을 해서 만들어내는 거죠. 그리고 이런 소프트웨어적으로 구현되었던 기술들이 이제 칩으로 들어가고 있습니다. 또 여러 가지 비전 알고리즘들을 커다란 컴퓨터로 돌리는 게 아니고, 반도체 안에 넣어서 이거를 돌리려고 하는 일들이 많이 벌어지고 있습니다.

[Humanoid Golden Age] (p.36)

이제는 아까 보여 드렸다시피 휴머노이드 로봇 세상으로 가고 있는 거 같습니다. 제일 왼쪽 위에 것이 몇 년 전에 보여 드렸던 보스턴 다이나믹스의 아틀라스라는 유압 기반의 로봇입니다. 그래서 이 운동하는 거를 보면 정말 놀랍습니다. 사람보다 훨씬 더 gymnastic하고요, 훨씬 더 다이나믹한 동작을 많이 합니다. 뛰어가는 거, 이런 것들을 무거운 것도 들고. 이거 좀 다 보고 갈까요. 이렇게 막 뛰어가고. 그다음에 무거운 도구가 들어 있는 것도 집어던지고. 그리고 무거운 짐도 힘도 세고. 그리고 점프하는 거 이런 것도 하고. 저보다 대단한 게 저는 이런 거 못 하거든요. 이런 것도 합니다. 그래서 운동적으로는, 하드웨어적으로는 능력이 평균의 인간의 능력을 뛰어넘는 로봇 시스템은 이미 있다고 보셔도 될 것 같습니다. 다만 이제 저렇게 뛰어다니면 뭐 하냐, 일을 해야지. 소는 누가 키우나? 이런 겁니다. 그래서 일을 하는 로봇들이 이제 최근에 많이 등장을 하기 시작했습니다.

[Digit at cummercial deplyment for moving tote boxes] (p.37)

대표적인 것이 단순하게 생겼지만 쓸모 있는 일을 하는 이런 로봇입니다. 공장에서 굉장히 많이 하는 일들 중에 사람이 하는 일이 뭐냐면, 단순하게 어떤 상자를 어디 한 군데서 잡아다가 다른 곳으로 옮기는 일입니다. 이런 일들을 로봇을 이용을 하자는 겁니다. 그래서 저런 박스들을 이제 토트 박스라고 하고요. 이런 토트 박스를 옮기는 데는 복잡한 로봇이 필요 없다. 간단한 그리퍼, 그리고 이거를 끄집어 당기고 전신을 이렇게 평행을 유지하면서 걸어갈 수 있고, 놓을 수 있는 시스템. 이 정도면 충분한 일을 할 수 있을 것이다 해서 이런 로봇을 현장에 쓰려고 하는 노력이 일어나고 있습니다.

[Figure at BMW] (p.38)

물론 BMW 같은 거대한 회사들은 좀 더 고차원의 작업들을 로봇을 이용을 해서 하려고 합니다. 또 자동화된 공장에서 사람들이 많이 하는 일들이 뭐냐면, 파츠를 잡아다가 어떤 자동화된 공정에 넣는 일. 이런 일들을 많이 합니다. 그래서 이런 것도 로봇을 시키자.

[Boston Dynamics: New Atlas] (p.39)

그리고 아까 백텀블링 하던 아틀라스도 새로운 전기 모터로 다시 태어났습니다. 사람보다 더 훌륭할 수 있는 건, 굳이 사람처럼 관절의 각도에 제한이 있어야 될까? 이런 겁니다. 그러니까 더 자연스러운 동작을 더 복잡한 작업을 할 수 있는 그런 로봇이 될 수 있을 것 같고요.

[Boston dynamics Atlas grasping and placing] (p.40)

그래서 이런 로봇이 이제는 단순히 걷고 이런 것이 아니라 이제는 손을 장착을 해서 어딘가에서 물건을 끄집어내서 들고, 다른 곳으로 옮겨서 집어넣는. 이런 고차원의 작업을 할 수 있을 것이다. 이런 기대가 이제 생기고 있습니다.

[Optimus folds the laundry] (p.41)

이런 대표 주자 중 하나는 테슬라의 옵티머스라는 로봇입니다. 손이 굉장히 정교해서 옷감을 개는 모습입니다.

[Optimus walking on uneven ground] (p.42)

로봇이 평지만 걷는 게 아니고요, 이제는 이렇게 산비탈도 내려오는데. 이제 놀라운 거는 어떤 거냐면, 이런 알고리즘을 개발하기 위해서 예전에는 여러 가지 복잡한 수학 문제를 수학 수식을 풀어서 했는데, 이제는 그럴 필요가 없다. 그리고 이거를 전부 다 실험을 해서 열심히 튜닝하고 이럴 필요도 없다. 전부 다 시뮬레이션에서 데이터를 얻어 가지고 알고리즘을 개발해도 이런 걸 할 수 있다는 게 이제 점점 더 놀라워지고 있는 거고요.

[Optimus catches a flying ball] (p.43)

공을 던지면 공을 받을 수 있는 수준으로 빨리 인식하고 빨리 동작도 할 수 있다.

[What Is So Revolutionary?] (p.44)

공을 던지는 게 놀랍긴 하지만, 이런 기능 하나가 사실 놀라운 건 아닙니다. 벌써 15년 전, 10 몇 년 전에도 공 던지면 공 잡는 로봇은 있었습니다. 이런 로봇들은 데모를 여러 기관에서 여기 있는 기관들뿐만이 아니고도 다른 기관에서도 많이 보여줬습니다. 그래서 공 던지고 받는 기능은 예전에도 있었거든요. 옵티머스가 처음 한 게 아닙니다. 그럼에도 불구하고 놀라운 건 뭐냐.

[Optimus pick and place] (p.45)

공을 던질 줄 아는 똑같은 로봇이 산도 갈 수 있고, 그리고 물건도 집을 수 있고, 사람한테 커피도 타줄 수 있고. 예전에는 기능 하나에 로봇 하나가 있었던 것이 이제는 로봇 하나가 모든 거를 다 할 수 있다. 진정한 휴머노이드 로봇이 되고 있다는 게 놀라운 것입니다.

[Success and Failure] (p.46)

그러면 로봇이 여러 가지 폼 팩터가 있을 텐데요, 생긴 게 여러 가지가 있을 텐데. 과연 어떤 것이 진짜 성공할 것인가? 우리가 지금 알고 있는 성공 사례는 제일 오른쪽에 보이는 제일 위쪽의 수술 로봇. 그다음에 그 밑에 촬영용으로 많이 쓰이고 취미로도 많이 쓰이는 드론. 그 밑에 청소 로봇. 그다음에 공장에서 쓰이는 여러 가지 산업용 로봇. 아까 보여 드렸던 GTP 같은 물류에서 쓰이는 로봇. 그 중간쯤에 델타 로봇. 협동 로봇도 완벽한 성공이냐? 약간 자신하기는 좀 어려운 거 같지만 성공을 향해서 가고 있는 거 같습니다. 그리고 우리나라에서 또 많이 유명한 배달 로봇. 과연 성공했느냐? 성공을 향해서 가고 있는 거 같은데 아직까지 수술 로봇이나 다른 산업용 로봇에 비해서 성공이라고 확신할 수 없는 거 같은데. 성공을 향해서 가고 있는 거 같습니다. 그다음에 최근에 나온 보행 보조 로봇. WIM이라는 물음표 아래에 있는 거. 삼성전자도 물음표 위의 휴머노이드 로봇을 10여 년 전에 개발을 했었습니다. 발표를 안 해서 그렇지. 삼성의 휴머노이드 로봇입니다. 그다음에 왼쪽에 배달 로봇. 아직까지 우리가 많이 쓰고 있지 않으니까 이게 과연 성공을 했느냐 판단할 수 없지만, 성공에 가까워지지 않을까. 성공할 수도 있지 않을까 이런 생각이 듭니다. 그다음에 휴머노이드 로봇 성공할 수 있을까? 아직까지는 물음표인 거 같고요. 성공을 향해서 가고 있는 거 같습니다. 다만 제가 보기에 한 10여 년 전에 유명했던 소프트뱅크의 페퍼. 휴먼 인터랙션 로봇. 이렇게 응대를 한다든지 혹은 그 위에 곰처럼 생긴 환자를 케어하는 로봇. 이런 것은 실패한 게 아닌가. 제 개인적인 생각으로는 그렇습니다.

[A Bold Picture of Tesla Bots] (p.47)

자 아까 테슬라가 이제 로봇을 지금 하고 있다고 그랬는데, 숫자로 한번 살펴볼 기회가 있었습니다. 그래서 테슬라 봇의 그런 가치는 과연 얼마큼 있을까? 일론머스크가 뭐라 그랬냐면 로봇을 코스트를 한 2만 불 정도 되면 그러면 이거는 비즈니스 모델이 된다고 얘기를 했는데. 한번 살펴보겠습니다. 우리가 로봇을 렌털을 하루에 한 40불 받고 렌털을 하는데, 이 로봇이 충전하는 시간 이렇게 하는 시간을 빼고 한 16시간 일을 할 수 있다고 치면. 시간당 임금이 얼마냐면 2.5불. 굉장히 쌉니다. 우리 지금 수준의 1/4밖에 안 돼요. 그러면 한 달 되면 이 로봇이 1,200불 벌 수 있고, 1년이면 14,400불 정도 벌 수 있습니다. 로봇의 코스트가 한 2만 불 정도 되는데 한 5년 쓸 수 있다. 그러면 연간 한 4,000불 되는 거거든요. 근데 유지비를 한 15% 수익의 15% 정도 잡고, 그리고 다른 코스트가 한 10% 정도 되면, 그러면 전체적으로 코스트는 47% 정도 되고. 그다음에 또 오퍼레이션도 해야 되겠죠. 세금도 내고. 그러고 나면 마진이 어느 정도 되냐? 20% 됩니다. 20% 되는 생산 시스템은 엄청난 이익입니다. 놀라운 거는 2년 전에 지금 일론 머스크가 이상이기 전에, 테슬라가 잘 나갈 때 테슬라 자동차의 마진이 28%였습니다. 지금은 중국하고 경쟁이 심해져 가지고 낮아져서 18% 정도로 낮아졌지만, 여전히 제조업 치고는 굉장히 높은 마진입니다. 여기에 우리가 30%, 30배를 하면 테슬라 로봇 한대 가치는 8만 불이 넘습니다. 전 세계 자동차가 1년에 몇 천만 대 팔리니까, 예를 들어 테슬라 로봇이 자동차만큼 팔린다고 치면 그러면 이 로봇의 전체 가치는 현재 테슬라 가치의 약 8배 정도 될 겁니다. 이 로봇 하나만 가지고. 그래서 아마 이런 것들을 보고 굉장히 많은 기업들, 투자가들이 휴머노이드 로봇에 투자하는 것이 아닌가 하는 생각을 해봤습니다.

[Conclusions] (p.48)

이제 말씀을 다 드렸습니다. 그래서 오늘 로봇에 대한 얘기를 드렸고. 특히 이제 물건을 나르는 일, 이런 면에서 지금 로봇을 활용하려고 사람들이 많이 쳐다보고 있고. 그리고 로봇 기술을 개발을 하는 것과 이것을 가지고 돈을 버는 거, 이거는 조금 더 다른 얘기인 거 같습니다. 아직까지는. 그래서 여러분들에게도 이런 찬스가 많이 있는 거 같으니까 관심을 가져 주시고요. 그리고 또 하나 주목할 것, 과연 우리는 중국을 두려워해야 될까? 어떻게 해야 될까? 요즘 세상에 특히. 최근에 있는 여러 가지 일을 보면 한 번쯤 고민을 해 봐야 될 일인 거 같습니다.

[Thank you!]

경청해 주셔서 감사합니다.