휴머노이드 시대에 왜 웨어러블 로봇이 더 중요해졌나? (공경철 카이스트 기계공학과 교수)

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

휴머노이드 시대에 웨어러블 로봇은 사람의 힘과 행동을 기록하는 데이터 플랫폼이자, 의료 현장에서 축적한 안전·제어 기술의 공급원으로 더 중요해졌다.

📌 핵심 요점

1. 사람을 돕는 제품이 데이터 플랫폼으로 확장된다. 웨어러블 로봇은 착용자의 움직임을 보조하면서 실제 작업에서 느끼는 힘과 주변 환경을 함께 측정할 수 있다. 영상과 작업 결과만으로 설명하기 어려운 전문가의 행동 차이를 담는 데 의미가 있다.
2. 의료·재활 경험이 휴머노이드의 안전 기준과 연결된다. 사람에게 직접 힘을 가하는 웨어러블 로봇은 안전 규제와 규격을 일찍부터 충족해야 했다. 이 과정에서 발전한 고장 대응과 액추에이터 제어는 다른 로봇에도 활용할 기반이 된다.
3. 상위 판단과 빠른 물리 대응을 나눠야 한다. 작업 순서와 도구 선택은 AI가 판단하되, 미끄러짐에 따른 힘 조절이나 위험 회피는 빠른 제어 계층이 담당해야 한다. 시간에 따라 오류가 이어지는 행동 문제는 데이터 규모만으로 해결하기 어렵다는 설명이다.
4. 제조업 실증의 성공과 범용 활용을 구분해야 한다. 통제된 공장은 초기 투입에 유리하지만, 반복 동작의 성공이 다양한 공정과 일상에서의 능력을 보장하지는 않는다. 기존 자동화를 활용하면서 여러 공정 사이를 이동하고 예외 상황에서 복구하는 능력을 살펴야 한다.
5. 공통 부품과 다양한 인재가 산업의 실험 범위를 넓힌다. 카이스트와 엔젤로보틱스의 플랫폼 구상은 액추에이터·데이터·알고리즘 기반을 제공해 여러 주체가 로봇을 만들도록 돕는 방향이다. 특정 기업이나 한 종류의 로봇에 집중하기보다 다양한 필요와 아이디어를 구현할 기회를 강조한다.

🧩 배경과 문제 정의

• 피지컬 AI가 미래 산업의 핵심 분야로 떠오르면서, 소수 대기업을 넘어 다양한 기업과 연구자가 활용할 부품·데이터·알고리즘 기반이 필요해졌다.
• 웨어러블 로봇은 사람의 움직임을 보조하면서 사람이 느끼는 힘과 주변 환경을 함께 측정할 수 있다. 의료·재활에서 축적한 안전 기술도 휴머노이드 개발과 연결된다.
• 데이터 규모와 AI 성능만으로 물리적 행동의 정확성과 안전성을 확보하기는 어렵다. 판단, 반사적 대응, 하드웨어 제어의 역할을 나누고 실제 환경의 다양성을 반영해야 한다.
• 제조 현장은 휴머노이드 실증에 유리하지만, 반복 작업의 성공이 다양한 공정과 일상에서의 활용으로 곧바로 이어지는지는 구분해서 판단해야 한다.

🕒 시간순 섹션별 상세정리

1. 피지컬 AI의 공통 기반과 웨어러블 로봇의 센서 역할

• 카이스트의 피지컬 AI 플랫폼 구상은 액추에이터, 물리 데이터와 데이터센터, 감각·운동 지능 알고리즘, 센서를 제공해 국내 산업 전반의 혁신 기반을 만드는 것이다. 소수 대기업이나 미국 빅테크만을 위한 산업으로 좁아지는 문제를 겨냥한다 [02:53]
• 피지컬 AI 시대의 로봇은 동작을 실행하는 동시에 데이터를 측정하는 센서다. 웨어러블 로봇은 사람이 직접 행동하면서 얻는 1인칭 데이터, 특히 사람에 관한 데이터를 수집하는 플랫폼이 될 수 있다 [03:51]

2. 자율적으로 일하는 휴머노이드와 사람의 의도를 따르는 웨어러블

• 두 로봇은 힘을 만드는 액추에이터, 제어 회로, 알고리즘 등 구성 요소를 공유한다. 휴머노이드는 스스로 판단하고 행동해 임무를 완수하지만, 웨어러블 로봇은 사람의 판단을 침범하지 않고 원하는 행동에 부족한 능력을 보충해야 한다 [05:09]
• 웨어러블 로봇은 공학과 의학이 결합된 분야다. 사람의 의도와 동작 생성 원리를 반영해야 하므로 같은 움직임을 구현하더라도 제어 구조가 더 계층적이고 복잡해질 수 있다 [05:38]

3. 의료 안전과 상용화 경험이 휴머노이드에 주는 기준

• 웨어러블 로봇은 사람에게 직접 입히고 의료 분야에서 먼저 사용했기 때문에 안전 규제와 규격을 일찍부터 충족해야 했다. 이 과정에서 축적한 물리 지능 구현 방식이 휴머노이드의 제어 철학에도 연결되고 있다 [06:51]
• 상용화 과정에서는 아이언맨 같은 기대와 실제 효용이 구분됐다. 많은 시연 가운데 재활 치료 현장에서 효과를 증명한 로봇은 많지 않았으며, 휴머노이드도 안전 평가와 인증·규제·규격 검증을 거칠 것으로 예상된다 [07:40]

4. 재활·산업 보조에서 1인칭 힘 데이터 수집으로 확장

• 웨어러블 로봇은 재활 치료와 의료 현장에서 가장 많이 산업화됐다. 산업 현장에서는 근골격계 보호를 위한 슈트가 보급되고 있으며, 러시아·우크라이나 전쟁에 투입됐다는 보도도 있다 [08:50]
• 피지컬 AI에는 인터넷 자료뿐 아니라 사람이 실제로 느끼는 힘의 데이터가 중요하다. 마찰이 크거나 미끄러운 바닥에서 발이 받는 힘, 뜨거운 컵에 손을 댔을 때의 감각과 손을 떼는 시점 등이 행동 구현의 근거가 된다 [09:40]

5. 전문가의 노하우를 담으려면 실제 환경과 힘을 함께 기록해야 한다

• 카메라만 부착하는 방식은 작업자에게 불편을 줄 수 있지만, 웨어러블 로봇은 작업을 편하게 하면서 데이터를 수집할 수 있다. 데이터 확보 주체와 착용자 모두에게 이익이 생길 수 있다는 점이 보급 동기가 된다 [10:26]
• 공장처럼 꾸민 공간에서 아르바이트 작업자가 로봇을 조작하는 데이터만으로 실제 전문가의 노하우를 충분히 담기는 어렵다. 실제 환경에서는 사람마다 같은 임무를 다른 방식으로 수행하며, 그 차이에는 이유가 있다 [11:17]

6. 시간에 따라 오류가 이어지는 로봇 행동은 데이터 규모만으로 풀기 어렵다

• 언어·이미지 생성의 성공 이후 데이터 규모가 모든 문제를 해결할 것이라는 기대가 커졌지만, 행동 지능은 다른 문제다. 생성 결과가 통계적으로 그럴듯한 것과 로봇이 정확히 움직이는 것은 요구 조건이 다르다 [12:49]
• 로봇의 행동에는 시간 순서가 있으며, 앞선 행동의 결과가 다음 판단과 행동에 영향을 준다. 따라서 작은 오류도 이후 동작으로 이어질 수 있어 1%의 오류조차 용납하기 어렵다 [13:15]

7. 물리적 노이즈와 안전 대응을 액추에이터 안에서 처리한다

• 액추에이터의 백래시와 구동 마찰 같은 문제는 상위 AI로 모두 넘기기보다 구동기 수준에서 제어해야 한다. 하드웨어가 물리적 노이즈를 줄여야 상위 판단이 더 이상적인 동작 특성을 전제로 작동할 수 있다 [14:23]
• 웨어러블 로봇은 사람을 힘으로 보조하면서도 안전해야 하므로 마찰·관성의 영향을 줄이는 제어를 오래 연구해 왔다. 단선 같은 고장 상황에서도 안전을 유지해야 하는 요구가 액추에이터 내부 제어의 발전을 이끌었다 [15:02]

8. 웨어러블 구동 기술을 범용 모듈과 보행 성능으로 연결한다

• 엔젤로보틱스는 마비 장애인의 이동을 돕는 착용형 로봇을 개발하는 동시에, 액추에이터를 범용 모듈로 제공하고 있다. 카이스트 연구자들이 휴머노이드와 다족 로봇 등을 만들 수 있도록 부품을 플랫폼화하는 방향이다 [16:12]
• 2020년 사이배슬론에서는 완전마비 장애인 참가자가 로봇을 입고 자연스럽게 걷자 해설자가 장애 여부를 의심하는 해프닝이 있었다. 사전 의료기록을 제출했고 2016년에도 출전했던 참가자로, 코로나 시기 원격 생중계 대회에서 생긴 일이다 [17:15]

9. 뜨거운 컵에서 손을 떼는 반사는 상위 판단을 기다리지 않는다

• 동물의 위험 회피와 사람의 신체 반응에는 오랜 진화로 형성된 대응 구조가 들어 있다. 위협이 닥칠 때 거리와 속도를 의식적으로 계산한 뒤에만 움직이는 방식으로는 신속하게 대응하기 어렵다 [18:20]
• 오래 놓인 컵이므로 뜨겁지 않을 것이라고 추론했더라도 실제로 뜨거우면 즉시 손을 떼야 한다. 이 반응은 추론 오류를 다시 분석해 동작을 결정하는 과정과 구분되며, 대부분의 반사는 척수 수준에서 일어난다 [19:18]

10. 작업 계획과 접촉 순간의 힘 제어를 계층으로 나눈다

• 자동차 조립에서 매뉴얼을 이해하고 부품과 드릴 작업의 순서를 정하거나, 비뚤어진 부품을 어떻게 집을지 정하는 것은 판단의 영역이다 [20:03]
• 잡은 부품이 예상보다 미끄럽거나 무거울 때 힘을 조절하고, 부품을 맞춰 밀어 넣는 순간의 대응은 힘과 반사의 영역이다. 이런 처리를 모두 상위 판단으로 수행하기보다 계층을 분리해야 AI가 본래 역할을 할 수 있다 [20:38]

11. 제조 데이터의 한계를 인정하고 기존 자동화 위에 AI를 얹는다

• 대기업 제조 현장은 조명, 부품 위치, 작업 상황이 극도로 통제된 환경이다. 여기서 반복 데이터를 많이 얻는다고 휴머노이드가 다양한 행동 지능을 단기간에 모두 습득하는 것은 아니다 [22:06]
• 제조 작업의 상당 부분은 기존 자동화로 처리할 수 있다. AI는 상황에 맞는 자동화 모듈을 선택하고 실행하는 역할을 맡을 수 있으며, 하나의 AI가 모든 공정의 모든 동작을 학습하도록 기대하는 것은 바람직하지 않다 [22:44]

12. 피지컬 AI의 과제는 제조업 밖의 사회 문제까지 포함한다

• 로봇으로 기대하는 변화는 제조 혁신뿐 아니라 일상의 혁신이다. 의료·일상·국방 등에서도 사람의 부족한 능력을 보완하고, 고령자 돌봄에 필요한 인력 부담 같은 사회 문제를 해결할 필요가 있다 [24:19]
• 제조 데이터가 대량으로 확보된다는 이유만으로 여러 영역의 문제가 모두 해결될 것이라는 낙관은 경계해야 한다. 제조 현장 밖의 과제에는 별도의 환경과 요구가 존재한다 [24:31]

13. 제조업은 초기 실증에 유리하지만 최대 시장인지는 불확실하다

• 제조 현장은 일상이나 병원보다 환경을 통제하기 쉬워 휴머노이드의 초기 실증에 적합하다. 근로자 고령화와 인구구조 변화 때문에 제조 대기업이 비용을 지출할 동기도 있어, 실증과 초기 투입이 먼저 진행될 것으로 예상된다 [25:21]
• 제조업이 휴머노이드의 가장 큰 시장이 될지는 불확실하다. 장기적으로는 일상·의료·돌봄에 투입되는 로봇 수가 제조 현장보다 더 많을 수 있다는 전망이다 [25:43]

14. 제조 혁신의 핵심은 반복 동작보다 공정 사이를 오가는 활용 능력이다

• 제조 혁신에는 로봇 도입과 함께 공정 자체의 재설계가 필요하다. 테슬라의 기가프레스와 작업자 재배치 사례처럼 공정을 로봇에 적합하게 바꾸면, 안전한 고정형 자동화 로봇으로 처리하기 쉬워질 가능성도 크다 [26:41]
• 휴머노이드의 역할은 한자리에서 같은 동작을 반복하는 데 그치기보다 여러 공정과 포장 작업 등을 오가는 데서 커질 수 있다. 성능도 한 동작의 반복 정밀도뿐 아니라 복잡하고 다양한 작업을 얼마나 잘 수행하는지로 평가해야 한다 [27:35]

15. 다양한 로봇과 젊은 인재의 실험이 산업 경쟁력을 만든다

• 반복 작업은 공정 자체를 자동화하는 편이 효율적일 수 있다. 피지컬 AI의 핵심은 다양성이며, 하나의 로봇이 모든 문제를 해결하기보다 여러 로봇이 각자의 영역에 맞는 특화 기능을 수행하는 미래가 중요하다 [29:12]
• 중국 로봇 기술에 뒤처졌다는 우려에는 일부 받아들여야 할 현실이 있다. 중국에서는 다양한 젊은 인재가 자신이 만들고 싶은 로봇을 개발하고, 비슷한 형태의 휴머노이드도 여러 곳에서 동시에 만드는 실험이 이어지고 있다 [29:49]

16. 특정 기업보다 다양한 아이디어와 인재에 미래를 걸어야 한다

• 중국이 로봇·피지컬 AI 기술을 확보한 핵심 요인으로 다양성의 인정과 제작 기회를 꼽는다. 국가가 정한 하나의 과제나 대기업 공장에 들어갈 로봇에만 미래를 집중하는 시각은 한계가 있다. [30:04]
• 다양한 로봇을 만들어낼 주체는 선의의 경쟁을 하는 젊은 인재들이다. 학부생의 꿈을 얼마나 빠르게 실현할 수 있는지가 피지컬 AI의 미래를 좌우한다는 관점에서, 관심의 중심을 특정 기업에서 인재로 옮겨야 한다. [30:43]

17. 해커톤에서 드러난 생활 밀착형 로봇과 협력의 가능성

• 전공을 마치지 않은 학생들이 어디까지 상상하고 구현할 수 있는지 확인하기 위해 제어 플랫폼을 제공했다. 쉽게 만들었다고 생각한 액추에이터도 학생들에게는 사용이 어려웠고, 초반 약 30시간이 지난 뒤에야 활용의 실마리가 잡혔다. [31:46]
• 배선과 통신 노이즈 문제를 이해한 팀이 다른 팀을 돕는 조교 역할을 자처했고, 뒤이어 다른 팀도 도움에 나서면서 열 팀 모두 결과물을 만들었다. 상자 조립·포장, 아이를 달래는 흔들기 동작, 양꼬치 돌리기처럼 일상의 구체적인 필요에서 출발한 로봇들이 나왔다. [32:27]

18. 직접 모든 로봇을 만드는 기업에서 인재를 지원하는 플랫폼으로

• 학생들이 하고 싶은 것을 구현할 수 있도록 플랫폼을 제공하는 방향을 세웠다. 카이스트에서는 플랫폼을 개방하고, 엔젤로보틱스에서는 모든 로봇을 직접 만들려 하기보다 미래 인재의 아이디어 실현을 돕는 플랫폼 회사로 전환하자는 구상이다. [34:05]
• 미래 인재와 그들의 다양성에 투자해야 중국과 경쟁할 가능성이 있다는 판단이다. 규모·데이터·자금 중심의 경쟁만으로는 미국과 중국을 상대하기 어렵다고 본다. [34:34]

🧾 결론

• 웨어러블 로봇의 가치는 신체 능력 보조에 더해, 피지컬 AI에 필요한 사람 중심의 데이터를 수집하는 역할로 확장된다.
• 휴머노이드의 실용화에는 판단 능력뿐 아니라 접촉 순간의 힘 제어, 고장 시 안전, 실제 환경에서의 검증이 함께 필요하다.
• 다양한 로봇을 만드는 데 필요한 공통 기반과 제작 기회를 넓히는 것이 산업 경쟁력의 중요한 조건이라는 관점이다.

📈 투자·시사 포인트

• 부품·플랫폼의 활용 범위를 살필 필요가 있다. 액추에이터와 제어 모듈이 웨어러블·휴머노이드·다족 로봇에 공통으로 쓰일 수 있다는 점은 완제품 외의 산업적 기회를 보여준다.
• 데이터의 양과 현장성을 함께 평가해야 한다. 실제 전문가의 작업에서 힘과 환경을 함께 기록하는지, 착용자에게도 작업 보조의 이익을 주는지가 데이터 수집의 지속성을 판단할 질문이다.
• 시연보다 안전성과 실제 효용을 확인해야 한다. 재활 현장의 효과, 인증·규격 검증, 고장 대응처럼 현장에서 필요한 조건을 충족하는지가 중요하다.
• 초기 실증 시장과 장기 시장을 구분해야 한다. 제조업은 초기 도입에 유리하지만 최대 시장인지는 불확실하며, 의료·일상·돌봄으로 확장하려면 별도의 환경과 요구를 검증해야 한다.

⚠️ 불확실하거나 확인이 필요한 부분

• 웨어러블 로봇이 수집한 데이터가 휴머노이드의 학습 성능과 현장 적응력을 얼마나 높이는지에 대한 정량적 비교는 제공되지 않았다.
• 안전 제어 경험의 활용 가능성은 설명되지만, 개별 제품의 인증 현황·고장률·현장 성능이나 상용화 비용은 확인할 수 없다.
• 제조업의 초기 도입과 의료·돌봄의 장기 수요에 관한 설명은 전망이다. 시장 규모와 실용화 시점을 확정하는 근거로 사용하기 어렵다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• 03:51·09:40·11:46 내용을 다시 확인하고, 영상·힘·주변 환경 데이터가 각각 어떤 행동 정보를 담는지 정리한다.
• 검토할 로봇의 제어 구조에서 작업 판단, 접촉 시 힘 조절, 고장 대응을 어느 계층이 담당하는지 확인한다.
• 제품이나 기업을 평가할 때 실제 사용 효과, 안전 검증, 데이터 수집 환경을 확인할 항목으로 만든다.
• 제조 실증 사례를 볼 때 반복 작업 성공과 여러 공정을 오가는 능력, 예외 상황 복구를 나눠 기록한다.

❓ 열린 질문

• 웨어러블 로봇으로 수집한 힘·환경 데이터는 어떤 작업에서 휴머노이드 학습에 가장 큰 도움을 줄까?
• 착용자의 보조 효과를 유지하면서 실제 전문가의 다양한 작업 데이터를 지속적으로 확보하려면 무엇이 필요할까?
• 제조업 밖의 의료·돌봄 환경에서는 어떤 안전 기준과 제어 방식이 추가로 필요할까?