"물류 휴머노이드 온다…데이터 확보는 숙제"
"로봇 행동 데이터는 수집·가공·학습 모두 어려운 상황입니다. 실증 데이터를 많이 만들면 데이터 부족을 해결하는 데 조금이나마 기여할 수 있을 것입니다." 박수한 광운대학교 로봇학부 교수는 물류 휴머노이드 실증의 의미를 현장 데이터 축적에서 찾았다. 그는 롯데글로벌로지스와 함께 '이족보행 인공지능(AI) 휴머노이드 로봇' 물류 실증을 추진 중이다. 휴머노이드가 오토배거(폴리백 자동 포장 설비)를 쓰도록 하는 시험은 이번이 세계 최초다. 실증은 물류센터에 널리 보급된 오토배거를 대상으로, 사람이 하던 공정을 휴머노이드가 수행할 수 있는지 검증하는 방식으로 진행됐다. 물류센터 자동화가 상당 부분 이뤄졌지만, 남아 있는 수작업 구간은 난도가 높고 변수가 많다는 점에서 사람 공정의 로봇 대체를 정면으로 다룬 실증이라는 평가다. "물류 자동화 빈틈은 포장" 박 교수는 실증 대상이 오토배거 포장 공정으로 설정된 배경에 대해, 물류 현장에서 로봇이 즉시 투입 가능한 업무를 찾는 과정이 있었다고 설명했다. 물류센터에서는 한 사람이 다양한 작업을 수행하는 경우가 많아, 그중에서도 로봇이 바로 투입돼서 할 수 있는 공정이 무엇인지 검토했다. 그 결과 포장 공정이 실증 출발점이 됐다. 그는 "물류 공정이 이미 자동화가 많이 돼 있는데, 자동화가 안 된 부분은 정말 어려운 문제들만 많이 남아 있었다"고 말했다. 단순 반복처럼 보이는 포장 작업도 실제로는 비정형 물체를 다루는 조작 능력과 설비 인터페이스 대응이 동시에 요구돼 난도가 높다는 것이다. "하이브리드 조작으로 안정성 확보" 이번 실증은 휴머노이드가 완전 자율로 작업하는 단계가 아니라, 원격조작(텔레오퍼레이션)을 통해 공정을 수행하며 데이터를 축적하는 방식이다. 박 교수는 텔레오퍼레이션에서 흔히 쓰이는 가상현실(VR) 장비가 갖는 위험 요소를 짚었다. 그는 "VR로만 하면 가끔 튄다. 굉장히 위험할 수 있다”고 말했다. VR 기반 조작은 트래킹 실패가 발생하면 로봇 손이 멈추거나, 다시 추적이 잡히는 순간 불연속적으로 날아가는 현상이 나타날 수 있다는 설명이다. 박 교수는 이를 보완하기 위해 VR 장치와 착용형 골격 장치를 결합했다. 그는 "관절 정보나 말단 장치 위치 제어 정보는 믿을 수 있는 골격 장치를 사용하고, 고개 정보는 정확하기 때문에 VR 정보를 활용한다"고 설명했다. 손가락 제어 역시 VR 정보를 활용해 고차원 손가락 커맨드를 제어하고 있다고 덧붙였다. 로봇 전면에 장착된 양안 카메라(스테레오 비전)도 원격조작 몰입감과 조작성을 높이는 요소다. 박 교수는 "양안을 캘리브레이션해서 VR 기기에 맞춰 착용하는 사람이 마치 거기에 있는 것처럼 느낄 수 있도록 했다"고 말했다. "비닐은 미끄럽고, 한번 걸리면 더 어렵다" 실증 과정에서 난점도 많았다. 가장 큰 문제는 '집기'였다. 그는 "겉이 비닐로 싸여 있는데 이 비닐이 생각보다 미끄럽고, 손가락이 맞닿아야 잡힐 수 있다"며 "맞닿기가 생각보다 어려웠다"고 설명했다. 로봇이 물체를 인지하는 것과 별개로, 실제 접촉·마찰 조건에서 안정적으로 파지하는 것이 쉽지 않다는 의미다. 두 번째 난점은 복구 난이도다. 박 교수는 "한 번에 성공하면 굉장히 쉬운 작업인데, 한 번이라도 어딘가에 걸리면 그걸 빼기가 되게 어렵다"고 말했다. 비닐봉지가 구겨지거나 끼이는 순간 이후 공정이 급격히 어려워진다는 설명이다. 세 번째는 설비 인터페이스다. 오토배거는 안전을 위해 양손 버튼을 동시에 눌러야 하는데, 박 교수는 "양수 버튼을 동시에 누르는 게 생각보다 어려운 작업이었다"며 "0.5초라도 차이가 나면 바로 오류가 나더라"고 말했다. 기존 오토배거 설비를 그대로 활용하는 방식은 현장 적용 측면에서 의미가 크다. 다만 장비 자체가 사람 조작을 전제로 설계돼 있어 로봇이 투입되면 작은 시간차에도 오류가 발생하기 쉽다. 박 교수는 이를 해결하려면 설비와 로봇이 작업 상태를 서로 주고받는 연동이 필요하다고 봤다. 예를 들어 '포장 준비 완료', '버튼 입력 확인', '마감 완료' 같은 신호가 오가면 로봇이 다음 단계로 넘어갈 시점을 판단할 수 있고 공정 안정성도 높아질 수 있다는 취지다. "차원 올라갈수록 난이도 기하급수" 박 교수는 휴머노이드가 산업 현장에 투입되기 위해서는 학습의 벽을 넘어야 한다고 강조했다. 손가락을 포함한 고자유도 시스템은 행동 모델 학습 난이도가 급격히 올라간다. 그는 "자유도가 굉장히 높은 시스템이다 보니 행동 모델을 학습시킬 때 난이도가 기하급수적으로 올라간다"며 "차원이 올라갈수록 난이도가 올라간다는 전통적인 문제가 있다"고 말했다. 이를 해결하기 위해 "어떻게 단순화할지, 확장을 어떻게 할지 고민하고 있다"고 덧붙였다. 데이터가 부족한 상황에서 실증의 의미는 더 커진다. 박 교수는 "용량으로 따지면 크지만 실질적으로 개수를 보면 아직까지 너무 적다"고 말했다. 이어 "언어 모델이나 비전 모델은 인터넷에 글과 이미지가 엄청나게 많지만, 로봇 행동 데이터는 수집도 어렵고 가공하기도 어렵고 학습시키기도 어려운 상황"이라고 봤다. "시뮬레이션·월드모델로 데이터 증폭" 데이터 부족을 해소하는 방법으로는 시뮬레이션 기반 접근을 제시했다. 박 교수는 '현실 세계를 시뮬레이션 안으로 옮기는 리얼투심' 연구 흐름을 언급하며, 시뮬레이션 환경에서 강화학습이나 데이터 증강을 통해 데이터를 확보할 수 있다고 설명했다. 최근에는 유연체를 시뮬레이션할 수 있는 기술이 발전하면서 파라미터를 바꿔가며 데이터를 대량 확보하는 방식이 가능해졌다는 설명이다. 그는 "두껍게도 하고 얇게도 하고 색깔도 바꿔보고, 상황에 부딪혔을 때 로봇이 잘 작동할 수 있도록 데이터를 뻥튀기할 수 있다"고 말했다. 월드모델 기반 접근도 언급했지만 아직은 연구 단계라는 점을 분명히 했다. 박 교수는 "월드 모델에서는 할루시네이션이 해결이 안 돼서 못 잡았는데도 손에 붙어버린다든지 꿈속에서 하는 일이 벌어진다"며 "아직까지는 연구가 더 필요하다"고 말했다. 다만 "근시안적으로는 데이터 증폭이 많은 도움을 줄 것"이라고 덧붙였다. "휴머노이드, 위험 작업 대신할 것" 휴머노이드 상용화 시점에 대해 박 교수는 장기 전망을 내놨다. 그는 "시간 보정을 한 5년에서 두 배 정도로 보면 맞는 것 같더라"며 "10년 뒤부터는 산업 현장에 로봇들이 들어갈 것 같고, 20년 정도 되는 시점에서는 사람이 직접 힘든 일이나 위험한 일을 하는 것으로부터 많이 벗어날 수 있지 않을까"라고 말했다. 이번 실증은 '휴머노이드가 물류에서 무엇을 할 수 있는지'를 확인하는 동시에, 산업 적용에 필요한 데이터 축적과 안전 검증 출발점이라는 점에서 의미가 크다. 박 교수의 말처럼 행동 데이터가 부족한 상황에서, 현장형 실증이 피지컬 AI 경쟁력의 기반이 될 수 있을지 주목된다.
