FES2026

FES2026 피지컬AI 국내 전문가 발언조사 (유튜브 중심)

⚠ 인용 전 확인 필요

1. 10인 한눈에

인물 소속(2026-10 기준) 한 줄 입장 학습 기반에 대한 태도 대표 한마디
오준호 KAIST 명예교수, 레인보우로보틱스 창업자, 삼성전자 미래로봇추진단장, 한국AI로봇산업협회장 고전 자동화가 끝난 자리의 '비정형 작업'이 피지컬AI의 무대 하이브리드(룰·모델 + 강화·모방) "고전적인 방법으로 자동화할 수 있는 건 100% 다 됐어요. 지금은 안 되는 것만 남았습니다"
한재권 한양대 ERICA 로봇공학과, 에이로봇 CTO 휴머노이드가 피지컬AI 최대 수혜자, 승부는 장인 데이터 수용 + 데이터 질 강조 "그 사람을 대체하는 게 문제가 아니라 사람이 아예 없다고요"
공경철 KAIST 기계공학과, 엔젤로보틱스 의장 피지컬AI = 인공 물리지능, 몸(액추에이터)과 계층형 지능이 먼저 계층형(하위 모델 기반, 상위 학습) "AI로 이 모든 걸 다 할 수 있어라는 접근은 무조건 실패할 거다"
황보제민 KAIST 기계공학과 RaiLab, 라이온로보틱스 시뮬레이션이 곧 데이터, sim-to-real 열쇠는 하드웨어 전면 수용 "20만 줄 코드 → 네트워크 하나", "수년 → 한두 달"
박해원 KAIST 기계공학과, 휴머노이드로봇연구센터 소장 하드웨어 자립 우선, 열풍은 과열 하이브리드(MPC 모방 → RL 강건화) "쿵푸 시범 … 태권도 품새 … 정해진 스크립트대로 플레이"
조규진 서울대 기계공학부, 로보틱스연구소장, IEEE RAS 차기 회장 피지컬AI에서 AI만 보지 말 것, 좋은 몸이 지능의 일부 몸·설계 우선 "결국 저는 하드웨어에서 승부가 날 거라고"
장병탁 서울대 컴퓨터공학부, K-휴머노이드 연합 위원장 출발선이 같은 지금이 골든타임, 제조 현장 데이터로 RFM 선점 낙관(데이터면 결국 해결) "피지컬 AI는 아직은 세계적으로 다 출발점이 거의 비슷해요"
김상배 MIT 기계공학과(휴직), Meta 휴머노이드 총괄 LLM이 못 하는 게 전부 피지컬 지능, 시연 데이터만으론 어렵다 신중(데이터 + 모델·추론 결합) "랭기지 모델이 못 하는 게 다 피지컬 인텔리전스예요"
김병수 로보티즈 대표 보행은 풀렸고 손이 병목, 액션 데이터가 핵심 자산 수용(텔레오퍼레이션 ↔ 자율 연속선) "구글이 공장 없잖아요. 오픈AI 공장 없잖아요"
류중희 리얼월드(RLWRLD) 대표 피지컬AI 데이터는 웹이 아니라 공장에, 한국이 3강 후보 수용 + VLA·고전제어 결합 "미국도 피지컬 AI를 하기에 좋은 국가가 아니에요. 미국에 공장이 없잖아요"

관점 스펙트럼 — '학습 기반 전환'에 대한 온도차

위치 인물 키워드
◀ 데이터·학습 낙관 장병탁 · 황보제민 데이터면 결국 해결 · 제어기를 네트워크 하나로
데이터 확보 = 승부처 류중희 · 김병수 · 한재권 공장·액션·장인 데이터
하이브리드·계층형 오준호 · 공경철 · 박해원 룰·모델+학습 · 하위 모델/상위 학습 · MPC→RL
물리·몸·모델 우선 / 신중 ▶ 조규진 · 김상배 몸이 먼저 · 시연 데이터 회의론

강연 활용: "학습 기반으로 다 바뀌고 있다"는 메시지 자체는 10인 전원 동의. 쟁점은 "학습만으로 충분한가" — 대다수가 물리·하드웨어·모델 기반과의 결합을 요구 → 기존 동역학·유압 제어 자산이 있는 필드 장비 연구가 오히려 유리하다는 논리로 연결 가능


2. 강연 메시지별 인용 매트릭스

① "피지컬AI는 갑자기 나온 게 아니다 — 무인화·자동화 요구의 연장"

  • 오준호 "고전적 자동화는 100% 끝났고 비정형만 남았다" [K-휴머노이드 기조강연 2025-03, 07:23]
  • 공경철 "피지컬 AI라며 하는 얘기 상당수가 이미 해 온 것 — 지능형 로보틱스·자동화의 AI식 재해석" [손에잡히는경제 2026-08]
  • 장병탁 휴머노이드는 "얼마 전까지 거의 포기했던" 기술의 재도전, AI 에이전트는 "30년 된 기술" [서울대총동창회 2026-03, 42:39]
  • 김상배 "피지컬 인텔리전스라는 말은 버추얼 인텔리전스와 차별하기 위해서 만든 말", 2019년부터 같은 주제 강연 [SBS D포럼 2024-07 / CMU 2025-04]
  • 계보 서사(오준호·한재권 독립적으로 동일 서술): 후쿠시마 원전 사고 로봇 투입 실패 → DARPA 로보틱스 챌린지 → 현재 휴머노이드
  • 인력 공백: 한재권 "사람이 아예 없다"·세바시 '인구절벽', 류중희 "한·일 공장 자동화 약 50%, 나머지는 사람 손", 김병수 "피지컬AI 이전 로봇 회사는 FA 회사 → 이제 육체노동 시장 전체"

② "고전 제어·최적화 → 학습 기반으로 전환"

  • 황보제민 "박사 때 수년 걸리던 보행 개발을 한두 달 만에", "20만 줄 계층형 제어기를 네트워크 하나로" — 비교 슬라이드용 상징 수치
  • 장병탁 "이거를 더 이상 프로그래밍하지 않아 … 로봇 개발 방법이 완전히 달라지는 겁니다" [티타임즈 2025-03, 10:24]
  • 김병수 교시(티칭 펜던트·DH 파라미터) → 카메라+텔레오퍼레이션 모방학습, "MPC 로봇은 칼각, AI 로봇은 건들거린다"
  • 한재권 "예전엔 노트북 열어 코딩, 지금은 사람이 하는 걸 가르쳐 줌" [세바시 2025-11]
  • 균형추(같은 슬라이드 하단에): 오준호 "어느 것만 고집할 수 없고 하이브리드" / 박해원 "시뮬레이터에 없는 물리(자석발)는 RL 불가" / 김상배 "RL은 말 안 듣는 괴물, MPC는 건물 밖에 못 나가는 집사 — 둘을 섞어야" / 류중희 "정답은 트랜스포머 기반 VLA만은 아니다"

③ "공장 → 필드(비정형 환경)"

  • 김상배 "공장용 로봇은 모든 정보가 이미 있어요 … 재난 상황은 돌발 상황이 벌어지니까 위치를 알아 갖고는 안 되는 거예요" — 공장→필드 전환의 본질 (단, 2018년경 방송)
  • 김상배 공장 100 micron vs 외부 환경 "inches 단위로 틀림", 농업·건설·조선은 노동 집약인데 기술이 덜 들어옴
  • 조규진 "건설현장은 비정형 환경의 끝판왕" [SK하이닉스 하이널리지 2026-08]
  • 장병탁 "닫힌 세계가 아니고 열린 세계 문제", "물리 세계는 불확실성이 높기 때문에 계속 학습을 해야"
  • 장병탁 철로(전용 인프라) vs 시골길(범용) 비유 — 인프라를 깔 수 없는 필드에 그대로 대입 가능 (원래는 휴머노이드 논리)
  • 황보제민 모래·갯벌 지형 파라미터 추정 적응 제어 → 연약지반·농경지 진흙과 직결, 필드 KPI는 데모 동작이 아니라 운용시간·에너지 효율
  • 오준호 "필드에선 넘어져도 고장나지 않는 로버스트 설계가 이슈"
  • 한재권 야지·군용은 방수·방진 때문에 배터리 교체식 한계

④ "형태 논쟁 — 피지컬AI = 휴머노이드가 아니다" (굴착기·농기계의 정당성)

  • 오준호 "인간형 로봇은 피지컬 AI가 아니죠" [협회장 취임사 2026-02, 05:50]
  • 조규진 "Humans' imagination is bigger than humanoid", 세탁기 비유
  • 박해원 특정 작업에 꼭 휴머노이드일 필요 없음
  • 대비 축: 한재권 "휴머노이드는 피지컬AI 최대 수혜자"

⑤ "숙련자 데이터 = 경쟁력"

  • 한재권 "장인·명장의 고품질 데이터가 보물, 일 잘하는 사람을 가진 공장이 보물단지" → 숙련 굴착기·농기계 오퍼레이터 은퇴 이슈와 직결
  • 공경철 웨어러블 슈트로 현장 장인의 '손맛(힘 정보)' 백업, "물리 레벨을 잘 풀면 필요한 데이터 양이 줄어듦"
  • 류중희 "피지컬 AI는 공장에서 사람들이 일하고 있는 데이터부터 모아야" [국민보고회 2026-06-29]
  • 김병수 "데이터 확보가 피지컬의 50%", "액션 데이터 = 디지털 시대의 고객 정보"

⑥ 현실 점검·과열 경계 (강연 균형용)

  • 박해원 "데모는 태권도 품새, 상호작용 없음", 장기 투입 내구성·AS 미검증 [뉴스1TV 2026-02]
  • 김상배 Tesla 700만 대(=원격조작자 700만 명)도 자율주행 미완 → 매니퓰레이션은? / "기술 확산엔 병목, 너무 조급하지 않았으면"
  • 조규진 자율주행도 20년째 레벨4 미달, "지금은 벽돌 핸드폰 단계 → 그래서 한국은 늦지 않았다"
  • 공경철 "버블은 무조건 오지만 핵심 기술 보유자가 살아남는다"

3. 인물별 상세

아래는 인물별 반복 주장 · 대표 발언(타임스탬프) · 영상별 핵심 · 강연 활용 포인트 원문 정리

오준호 (KAIST 명예교수 · 레인보우로보틱스 창업자 · 삼성전자 미래로봇추진단장 · 한국AI로봇산업협회장)

한 줄 요약

피지컬 AI는 고전적 자동화가 다 하고 남은 '비정형 작업'을 여는 열쇠이며, 휴머노이드는 궁극형일 뿐 해답은 아님 — 액추에이터 내재화 + 학습·모델 기반 하이브리드로 같은 출발선에서 재출발하는 기회

반복되는 핵심 주장

  • 고전적 방법으로 자동화 가능한 영역은 이미 소진, 남은 것은 비정형 작업 — 피지컬 AI가 각광받는 이유 — [1], [2]
  • 휴머노이드 = 피지컬 AI 아님. 손가락 수·다리·자유도는 용도에 따라 줄여도 되고 바퀴·고정형도 가능, 궁극적 형태와 실용 형태는 별개 — [1], [2], [3], [6]
  • 학습(강화학습·모방학습)과 룰·모델 기반은 양자택일이 아닌 하이브리드, 엔드투엔드 만능론 경계 — [1], [3]
  • 휴머노이드는 갑자기 나온 것이 아니라 아시모(2000)·휴보(2004)·DARPA 로보틱스 챌린지(2015, 후쿠시마 계기)로 이어진 긴 역사, 생성형 AI가 재점화 — [1], [3], [5]
  • 하드웨어 경쟁력의 핵심은 모터·감속기·드라이버·통신까지 액추에이터 기술 내재화("모든 것을 우리 손으로") — [1], [4], [5]
  • 로봇은 사람이 힘들고 위험해서 안 하려는 일부터 대체(포크레인·삽질 비유), 시장 아직 미개화라 늦게 시작해도 따라잡을 시간 존재 — [2], [5], [6]

대표 발언

"현재 자동화 수준은 고전적인 방법으로 자동화할 수 있는 건 100% 다 됐어요. 지금은 안 되는 것만 남았습니다. … 다시 말해서 비정형화된 작업을 하는 겁니다. 이런 걸 할 때 요새 말하는 피지컬 AI가 로봇하고 엮여서 됐다라고 생각하면서 작년에 굉장히 큰 각광을 받게 된 겁니다." — [영상 1, 07:23]

"인간형 로봇은 피지컬 AI가 아니죠. 오히려 더욱 다양한 [형태를 갖는 — 자동자막 불명확] 창의적이고 수용적인 그런 로봇이 얼마든지 있을 수 있습니다." — [영상 2, 05:50]

"사실 그런 본격적인 피지컬 AI 시장은 아직 열리지 않았습니다. … 이것은 어떻게 보면 기술 선진국이나 우리가 똑같은 선상에서 재출발하는 시기라고 보여집니다." — [영상 2, 04:16 / 05:19]

"룰 베이스·모델 베이스와 그다음에 강화학습법·모방학습법 두 가지가 있는데 이 두 가지 어느 것만 고집할 수가 없습니다. 실제로는 교묘히 섞여야 되고 하이브리드를 할 수밖에 없는 것이고 … 엔드투엔드라는 걸 쓰고 있는데 굉장히 이상적인 방법이지만 이걸 어떻게 하이브리드하고…" — [영상 1, 28:37]

"꼭 휴머노이드 형태만 돼야 하느냐 … 꼭 그럴 필요 없단 얘기죠. … 휴머노이드가 궁극적인 모습이지만 실현화될 때는 꼭 그럴 필요는 없다라는 게 제 주장입니다." — [영상 1, 29:08~30:10]

영상별 핵심

[1] [K-휴머노이드 로봇의 현재와 미래] 기조강연 — K-휴머노이드 로봇의 현재와 발전방향 (로봇공감 로.그.인, 2025-03-10, 32:02) — https://www.youtube.com/watch?v=PuRwnqPhXmM
  • 동일 강연 다른 채널본: 로봇 플러스 TV 1Y3TST8KizU
  • 1990~2000년대 초 자동화 라인 절정 이후 "고전적으로 자동화 가능한 건 100% 완료, 남은 건 비정형 작업" — 피지컬 AI 관심의 출발점으로 설명
  • 미·중 비교: 중국은 강화학습 기반 운동성·블라인드 보행·저가 대량보급(정부 펀드, 기술 공유 생태계), 미국은 룰/모델 기반 하체 + 생성형 AI 상체 + 인식 결합의 정교한 작업성 중심
  • 휴머노이드 역사: 1970년대 와세다 → 아시모(2000) → 휴보(2004, 일본 외 최초) → DARPA 챌린지(2015, 통신 두절·1시간 8개 과업, 유일 완수) → 생성형 AI로 급부상. DARPA 결론은 "되긴 되는데 제대로 하려면 멀었다" — 이후 연구 주춤의 계기이기도
  • 로봇 딜레마: 힘이 세면 위험, 안전하면 장난감 — 힘·위치를 타협하는 '인터랙션' 로봇은 아직 실험실에만 존재. 필드에선 넘어져도 고장나지 않는 로버스트 설계가 이슈
  • 휴머노이드 제작 조건 = 모터·감속기·드라이브·통신 내재화, 학습은 강화·모방 + 모델 기반 하이브리드, 형태는 용도별로 단순화 가능(3지 그리퍼, 바퀴, 고정형)
[2] 제12대 한국AI로봇산업협회장 취임사 (로캐TV, 2026-02-25, 11:22) — https://www.youtube.com/watch?v=DcdwYJNSNLg
  • "로봇이 산업용으로 정형화된 공장에만 머물렀고, 비정형 환경으로 꺼내려 노력했지만 아직 실험실 수준 — AI가 모든 것을 바꿈"
  • 적용 순서 전망: 1차 제조 → 2차 서비스 → 이후 일상
  • "본격 피지컬 AI 시장은 아직 미개화" — 한국은 1980년대부터 로봇 도입해 세계 4대 시장이지만 성숙 기술 시장엔 진입 여지가 없었음, 지금은 "같은 선상에서 재출발"
  • "인간형 로봇은 피지컬 AI가 아님" — 다양한 형태의 창의적 로봇 가능성 강조. 중국=생산력, 미국=AI 기술
  • 협회 역할: 정책·규제 개혁, 국제 표준, 인증, 손해보험, 인재 양성
[3] G·Artience 2024 Visionary Lecture — AI, Humanoid Robots, and Entrepreneurship (G아티언스, 2025-01-09, 19:30) — https://www.youtube.com/watch?v=zXi9JBCnK-0
  • 후쿠시마(원전 사고) 때 군사·최신 로봇 투입 전부 실패 → DARPA 재난로봇 챌린지(약 1,500억 원, 3년) → 과제만 줬는데 결과적으로 출전 로봇 전부 인간형
  • 전통 제어 = 기구학·역학 기반 복잡한 수학 모델 / 현재 = 슈퍼컴퓨터 시뮬레이션 속 수백만 개체가 넘어지며 몇 시간 만에 보행 습득(강화학습) + 사람 시범을 따라 하는 모방학습
  • 레인보우 RB-Y1: 텔레오퍼레이션 티칭 디바이스(쌍둥이 로봇)로 작업 시연·데이터 수집, 출시 후 전 세계 30여 곳 판매, 바퀴 이동형 — "인간형이라도 이동수단은 바퀴일 수 있다"
  • 강연 대부분은 시연(컵 쌓기, 부채춤 퍼포먼스)
[4] 레인보우로보틱스 세종 신사옥 준공식 — 오준호 한국AI로봇산업협회장/삼성전자 미래로봇추진단장 인사말 (로캐TV, 2026-06-30, 5:57) — https://www.youtube.com/watch?v=WXSGP3eXidg
  • 창업 계기: 2011년 MIT 등 미국 6개 대학·싱가포르 A*STAR의 휴보 주문을 소화하기 위해
  • "2002년 휴머노이드 연구 시작 당시 세상에서 가장 쓸모없는 연구" — 꾸준한 연구가 결실
  • 경영 원칙 "모든 것을 우리 손으로" — 부품·공정까지 자체 개발로 소재부터 설계까지 수직 역량 확보
  • 사업 영역이 중국 주력 영역과 겹치는 점이 최대 고민, 삼성과의 협력으로 규모 확대 모색
[5] EBS 초대석 — K-로봇의 시대를 열다 #001·#002 (EBSCulture, 2022-06-17, 25:00 + 21:09) — https://www.youtube.com/watch?v=KGLdmcTZKlM / https://www.youtube.com/watch?v=tEd9eYhPsIM
  • 자동자막 품질 낮음 — 아래는 취지 요약(직접 인용 지양)
  • DARPA 우승 후 깨달음: 우리 로봇이 최고가 아니라 그 상황 문제를 가장 잘 풀었을 뿐 → 이후 모터·감속기·제어기 등 원천기술 내재화로 방향 전환
  • 휴머노이드 연구의 목적은 실용보다 기술 한계 도전, 일상 활용엔 꼭 사람 모양일 필요 없음
  • 로봇 수요가 가장 절실한 곳은 생명과 직결된 국방·위험 작업, 이어 교육·엔터, 노동대체(3D) 시장 확대
  • 일자리: 포크레인이 삽질을 대체했지만 다시 삽질로 돌아가지 않음 — 로봇은 사람이 힘들고 위험해 안 하려는 일부터 대체, 사람과 로봇의 잘하는 영역은 갈라져 있음
  • 한국 수준: 산업용 원천기술(소부장)은 뒤처졌지만 서비스·협동·미래 로봇은 선진국과 어깨를 나란히
[6] [2022 지성학] 로봇기술과 미래 — 오준호 CTO(레인보우로보틱스) (가천대학교, 2022-04-18, 1:15:39) — https://www.youtube.com/watch?v=9UPpiP9dEoY
  • 자동자막 품질 낮음 — 취지 요약
  • 공장에 아직 남은 수작업, 3D 업종·농촌·조선소 용접/청소·물류 상하차 등 위험·고된 작업이 로봇 수요처
  • "옛날엔 사람이 저 일(도장·용접)을 했었다고 말하게 될 것" — 포크레인 이후 아무도 삽질 안 하듯 로봇은 힘들고 위험한 일을 가져감
  • 휴머노이드는 전체 로봇 연구의 1%도 안 되지만 기술 도전·판타지 때문에 주목, 정해지지 않은 일을 임기응변으로 하려면 인간형이 필요(DARPA 8개 미션 사례)

강연 활용 포인트

  • '무인화 요구의 연장' 메시지 직결: "고전적 자동화는 100% 끝났고 비정형만 남았다"[1] — 공장 자동화의 한계 지점에서 피지컬 AI가 등장했다는 프레임을 필드(건설·농업)로 확장 가능. 필드는 원래부터 '비정형 작업장'
  • 재난·필드 로봇 계보: 후쿠시마 실패 → DARPA 챌린지(통신 두절 하 자율 수행)[1][3] — 원격조종 한계에서 자율 요구가 나온 역사적 사례로 '피지컬AI는 갑자기 나온 게 아니다' 근거
  • '학습 기반으로의 전환' + 균형: 강화·모방 학습으로 수학 모델 불가 영역을 해결[3], 그러나 모델 기반과 하이브리드 필수[1] — 굴착기·농기계처럼 동역학 모델이 축적된 장비에 학습을 얹는 전략과 정합
  • 형태 논쟁: "휴머노이드는 피지컬 AI가 아니다"[2], "궁극형이지만 실현은 다른 형태로"[1] — 건설기계·농기계 자율화도 피지컬 AI의 본류라는 주장에 권위 있는 인용으로 활용
  • 현장 강건성: 필드에선 넘어져도 고장나지 않는 로버스트 설계가 이슈[1] — 야지 환경 내구성 요구와 연결
  • 포크레인 비유[5][6] — 건설기계 강연 청중에게 친숙한 비유, 단 자막 품질상 직접 인용보다 취지 인용 권장

한재권 (한양대 ERICA 로봇공학과 교수 · 에이로봇 CTO)

한 줄 요약

휴머노이드는 피지컬 AI의 최대 수혜자 — 쇼잉에서 유징(실사용)으로 넘어간 2026년, 승부는 '현장 데이터(특히 장인의 고품질 동작 데이터)'와 대량생산·공급망에서 갈리며, 다양한 공장을 가진 한국이 유리

반복되는 핵심 주장

  • 휴머노이드 = 피지컬 AI 최대 수혜자. 사람 동작 데이터를 그대로 따라 하기 좋은 형상이자 범용(다목적) 기계, 범용기 등장은 곧 산업혁명 — [1], [5], [6]
  • 2026년은 변곡점: 쇼잉 → 유징, 이어 대량생산 단계. 올해는 'PoC(실증) 전쟁의 해' — [2], [3], [4]
  • 승부는 데이터: 양보다 질, 장인·명장의 고품질 데이터가 핵심. 다양한 제조업 공장이 있는 한국은 데이터의 원천이자 일할 곳 — [1], [3], [4], [5]
  • 먼저 들어갈 곳은 위험·지루·반복 작업 그리고 '사람이 없는' 현장. 대체가 아니라 인력 공백 메우기 — [1], [2], [4], [6]
  • 제도·규제·안전이 확산 속도를 결정 — B2B 계약으로 통제 가능한 공장이 먼저, 가정은 10년 — [1], [2]
  • 한국 전략: 공급망(부품) 지위, 로봇 파운데이션 모델 내재화(주권 산업), 정부의 실증·인프라·인재 지원 — [1], [2], [3], [5]

대표 발언

"휴머노이드 로봇은 피지컬 AI의 아마 최대 수혜자가 될 겁니다. 왜냐하면 이 AI의 작동 방식 때문인데, AI는 어떻게 만들어질까를 생각을 해 보면 데이터로 만들어져요." — [영상 1, 03:08]

"여태까지 휴머노이드 로봇은 약간 쇼잉의 성격이 강했습니다. … 이제는 이 로봇을 가지고 어떻게 돈을 벌 거야, 어떻게 쓸 건데라는 질문으로 바뀌었다. … 이제는 쇼잉이 아니라 유징으로 바뀌었다." — [영상 2, 02:40~03:10]

"예전에는 공장 자동화를 하려면 설비 투자를 했어요. … 그럼에도 불구하고 공장자동화가 안 되는 부분이 있을 수밖에 없었어요. 그런 부분은 지금도 사람이 합니다. … 이제는 예전에는 사람이 할 수밖에 없었다라고 했던 부분을 휴머노이드가 AI를 탑재해서 시작한다라는 것을 올해 CES에서 보여줬어요." — [영상 2, 19:14~19:45]

"산업 영역에서는 위험하고, 또 지루하고, 그리고 반복적인 거, 이런 세 가지 키워드가 있으면 그거 휴머노이드 들어갑니다. 일단은 위험한 부분이 가장 큰 가치예요." — [영상 2, 26:26]

"거기는요 사람이 없어요. 그 사람을 대체하는 게 문제가 아니라 사람이 아예 없다고요. 점점 없어지고 있어요." — [영상 1, 38:40]

영상별 핵심

[1] [통합본] 노동과 학벌의 종말…로봇공학자의 충격적 경고 (파이낸셜뉴스, 2026-08-31, 52:19) — https://www.youtube.com/watch?v=Lda7nszIYNQ
  • 분할본 포함: 2xMMzk8AWn0("미국은 한국에 매달려야 합니다", 2026-08-21), 6DaHbjDE9GA("노동도, 서울대 간판도 끝났습니다", 2026-08-26)
  • 정의: 피지컬 AI = 스크린 밖 물리 공간에서 서비스하는 AI, 로봇·자율주행차 모두 포함. 휴머노이드는 사람 동작을 보고 따라 하기 좋아 최대 수혜자
  • 판세: 미국=AI(소프트웨어), 중국=하드웨어·대량생산, 한국=두루두루(3~3.5등). 순위보다 '시간 격차'로 보라. 미·중 갈등의 틈에서 미국 공급망 파트너 기회(보스턴다이나믹스+현대차 협력사 모델: HL만도 모터, 배터리 등)
  • 데이터 수매제 제안: 바디캠으로 근로자·자영업자(세탁소 다림질 등) 작업 영상 수집 → 로봇용으로 리타게팅 → 국가가 쌀 수매하듯 매입. 중국식 데이터 팩토리가 아닌 시민 참여형
  • 적용 순서: 공장 먼저(안전 통제·작업 종류 제한), 가정은 약 10년(1천만~5천만 원대), 산업용은 2~3년 내 5천만 원 선 전망. "작년엔 거의 못 했고 올해는 어느 정도 한다 — 1년이 예전 10년"
  • 중소 제조(전체 95%)·5인 미만 사업장은 평균연령 50대 이상, 사람 자체가 사라지는 중 — 로봇이 산업을 지켜낸다. 위험·힘든 일부터 로봇으로, 인간은 좋아하는 일로
[2] 피지컬 AI의 등장… 로봇이 '사람처럼' 일하기 시작했다 [심층 인터뷰] (삼프로TV, 2026-01-15, 57:07) — https://www.youtube.com/watch?v=k5Sk0wZaorI
  • CES 2026 = 변곡점, 쇼잉 → 유징. 중국 휴머노이드 50~60개사 물량 공세, 한국은 산업부 지원으로 10개사(완성품 5+부품 5) 연합 부스 — "한국에서 만든 거 맞냐"부터 확인, 신뢰·보안(움직이는 CCTV) 측면에서 중국 대비 한국 선호 체감
  • 기술 변화: 25년 로봇 파운데이션 모델 보급 → 26년 실현. 고정 위치·설비 투자 기반 자동화와 달리 AI 로봇은 상황 적응(임기응변)·추론, VLA 구조 설명
  • 확산은 기술보다 제도·문화 문제: 휴머노이드의 공공 보행은 현재 불법, 사고 책임 주체(제조사·사용자·데이터 생산자) 미정 → B2B 계약·보험이 가능한 공장부터
  • 수요처: 위험·지루·반복(물리적·화학적 위험 포함), 구인 안 되는 고임금 영역이 ROI 최적. 간병은 사람과 분업 형태로 단계 진입. 24시간 운용 위해 배터리 교체식, 야지·군용은 방수·방진 때문에 교체식 한계 → 배터리 산업이 관건
  • "로봇 파운데이션 모델 내재화 — 국방 로봇에 미국 소프트웨어를 쓰면 종속, 휴머노이드는 주권 산업". "2026년은 PoC 전쟁의 해" — 리스업 약 30곳, 로봇 한 대당 부가가치로 중국과 승부. 규제 샌드박스·대규모 실증 요구
[3] 인간 대체할 AI 로봇, 올해 대량생산 터진다 (언더스탠딩, 2026-06-01, 57:17) — https://www.youtube.com/watch?v=zbQ-jW7mPL8
  • 스테이지 전환: 기술 경진 → 생산(대량생산). 피규어AI 택배 라벨 뒤집기 라이브(8시간 교대, 200시간·23만9천 건, 사람보다 손은 느리나 쉬지 않아 8시간 처리량 비슷) — "쓸 만하네"가 된 순간
  • 피규어AI의 계층형 AI(빠른 반사 신경망 + 느린 사고 신경망) 평가, 1년간 데이터·강화학습으로 완성
  • 데이터 질 > 양: Claude가 양서 위주 학습으로 성과 낸 사례를 들어 "장인·명장의 움직임 데이터가 보물", 양은 시뮬레이션 증폭으로 확보하되 시작 레퍼런스가 좋아야 함. "일 잘하는 사람을 가진 공장이 보물단지"
  • 현장 판별 업무: "공장 다니면서 저건 지금 돼요, 저건 1년 뒤, 2년 뒤"를 구분, 납품 대가로 데이터 확보. 다음 달 약 10개 공장 투입 예정
  • 비용: 액추에이터가 원가 대부분(개당 약 200만 원 × 30개 = 6천만 원), 자동차 부품 협력사(특히 EV 모터)가 로봇 부품 공급망으로 전환 가능 — 공급망·데이터 두 축
[4] 전 세계가 주목하는 휴머노이드! '제조업 강국' 한국의 승부수는? [취미는 과학/86화 확장판] (EBS 컬렉션 - 사이언스, 2026-05-30, 46:28) — https://www.youtube.com/watch?v=79VpEZ2qQ8c
  • 계보 설명: 2011 후쿠시마 원전 사고 수습을 결국 방호복 입은 사람이 함, 투입 로봇은 방사능·험지를 못 견뎌 실패 → DARPA 로보틱스 챌린지 → 현재 유명 휴머노이드들의 기원
  • 과거엔 일일이 코딩(대학원생 밤샘), 이제는 사람 동작을 보고 따라 함 — 사람 시연 원시 데이터 → 시뮬레이터 증폭 → 강화학습, 이 세트를 피지컬 AI로 정의. VLA
  • 데이터 수집 방식: VR/HMD, 웨어러블(정확하지만 근로자 번거로움), CCTV 영상→로봇 데이터 변환(테슬라 시도, 기술 난도 높음)
  • 반도체·조선·철강·방산·자동차 등 다양한 산업 = AI 로봇 학습 최적지. 현장은 "로봇 오지 마"보다 "빨리 오세요"가 다수 — 사람이 없어 문 닫는 중
[5] 마침내 제조강국 '대한민국' 피지컬 AI 전쟁에서 이길 수 있습니다 (3부) (신사임당, 2025-12-09, 14:06) — https://www.youtube.com/watch?v=qjlAv8KIv1A
  • 통합본 2부 29hUB-sVxXU(2025-12-12) 존재 — 미분석
  • "내가 믿는 백(배경)은 전국에 퍼진 공장" — 로봇 파운데이션 모델은 다양한 일을 학습해야 하고, 다양한 업종 공장이 있는 곳은 중국 빼면 한국뿐. 공장은 데이터 원천이자 일할 곳
  • "중국과 대적할 국가는 미국 빼면 우리밖에 없다 — 우리가 못하면 안 된다", 누리호(1,200억) 같은 '일당백' 효율 DNA
  • 약점: 인재 해외 유출·의대 쏠림 → 엔지니어 처우 개선
  • 정부 역할 3가지: 수요 창출(R&D → 공공 선구매 → 대규모 실증 사업으로 가격 갭 보전), 인프라(AI 팩토리=경부고속도로·초고속망에 해당), 인력 양성
[6] 평생 로봇을 만들던 한재권이 깨달은 우리의 미래 | 세바시 2040회 (세바시 강연, 2025-11-19, 14:48) — https://www.youtube.com/watch?v=Hbo_4lL8p5o
  • 리프킨 '노동의 종말'(1995) 이후 30년, OECD 고용률은 오히려 우상향 — 진짜 위기는 일자리 소멸이 아니라 인구절벽(출생 100만→25만), "일할 사람이 없어지는 것"
  • 만들고 싶은 로봇: 반복 작업, 위험하고 어려운 작업, 비좁은 공간 작업 — 단 개별 작업용 로봇은 ROI가 안 나옴
  • 해법 = 범용(다목적) 로봇. 범용 기계(증기기관·컴퓨터·스마트폰)의 등장이 매번 산업혁명을 불렀고 휴머노이드가 그 네 번째 장면
  • "예전엔 노트북 열어 코딩하는 장면, 지금은 사람이 하는 걸 가르쳐 줌" — 프로그래밍되지 않은 상황에도 적응. 올해 제조 현장 투입 목표

강연 활용 포인트

  • '무인화 요구의 연장': 후쿠시마 → DARPA → 현재 휴머노이드 계보[4], "대체가 아니라 사람이 아예 없다"[1][6] — 건설·농업 인력 고령화/공백과 같은 구조. 피지컬AI는 인력 공백이라는 오래된 수요의 연장선
  • '학습 기반으로의 전환': "고정 설비 투자형 자동화 → 상황 적응형 AI 로봇"[2], "코딩 대신 사람이 가르쳐 줌"[6], 원시 데이터 → 시뮬레이터 증폭 → 강화학습 파이프라인[3][4] — 필드 장비의 숙련 운전자 데이터로 전환하는 논리에 그대로 대입 가능
  • 장인 데이터 = 숙련 굴착기·농기계 운전자 데이터: "장인·명장의 고품질 데이터가 보물, 은퇴 전 디지털화"[3] — 숙련 오퍼레이터 고령화·은퇴 이슈와 직결되는 강력한 메시지
  • 필드 특유 제약: 야지·군용은 방수·방진 때문에 배터리 교체식에 한계[2] — 필드로봇 에너지·내환경성 과제 언급 시 인용
  • 현장 판별: "지금 되는 일 / 1년 뒤 / 2년 뒤 구분"[3], 레벨 구분 필요(자율주행 레벨 비유) — 건설·농업 자율화 단계(레벨) 로드맵 제시와 연결
  • 제도가 속도 결정: 공공 공간 보행 불법·책임 주체 미정[2] — 공사 현장·농지처럼 통제 가능한 B2B 공간이 먼저라는 논리는 필드로봇에 유리한 근거

공경철 (KAIST 기계공학과 교수 · 엔젤로보틱스 창업자/의장)

한 줄 요약

피지컬 AI는 'AI를 로봇에 넣는 것'이 아니라 사람의 물리지능을 인공적으로 모사하는 것(Artificial Physical Intelligence) — 물리를 잘 다루는 몸(액추에이터)과 계층형 지능이 먼저이고, 데이터 물량전 대신 적은 데이터로 되는 로봇·현장 장인 데이터가 한국의 길

반복되는 핵심 주장

  • 피지컬 AI = 'Artificial Physical Intelligence'. 물리지능의 정점은 사람 몸, 언어지능 모델을 그대로 로봇에 넣는 접근은 한계 — [1], [2], [5]
  • 지능은 계층형: 판단(AI) / 전신 제어 / 근육(액추에이터) 레벨 반사·힘 제어 분리. 모든 것을 AI로 풀려는 시도는 실패, 로봇공학 기존 성취를 무시하면 안 됨 — [1], [2], [3], [5]
  • 인터넷 데이터 고갈 → 다음 모달리티는 '힘(물리) 데이터', 그 측정 도구가 로봇. 빅테크가 로봇에 투자하는 진짜 이유는 데이터 전쟁 — [3], [4]
  • 액추에이터가 출발점: 데이터 취득의 게이트웨이이자 로봇 기술의 절반 이상 — [1], [4], [5]
  • 한국 전략: 데이터 물량전 불리 → 물리 레벨을 잘 풀어 필요 데이터량을 줄이고, 웨어러블 슈트로 실제 현장 장인의 힘 데이터 확보, 내부 경쟁 대신 플랫폼화·원팀 — [1], [3], [4]
  • 로봇 붐·버블은 반드시 오지만 핵심 기술 보유자가 살아남음, 외산 로봇 보급 위주 정책 경계 — [1], [5]

대표 발언

"사실은 피지컬 AI가 아니라 아티피셜 피지컬 인텔리전스, 그러니까 우리말로 하면 좀 인공적인 물리지능 — 사람의 물리지능을 그대로 인공적으로 한번 모사를 해보자, 카피를 해보자라는 그런 철학인데…" — [영상 1, 33:12]

"피지컬 인텔리전스의 끝판왕은 사람 몸 아닙니까? 그래서 사람 몸이 어떻게 행동하고 어떻게 의도를 만들어 내고 어떻게 상황을 극복하고 이런 거를 잘 분석을 하면…" — [영상 2, 16:48~17:19]

"AI로 이 모든 걸 다 할 수 있어라는 접근은 무조건 실패할 거다. … 분명히 로봇 공학의 파운데이션, 그러니까 기본을 가지고 여기에 지능을 올리는 피지컬 AI여야 되는 거지." — [영상 2, 16:18]

"AI의 학습에 필요한 데이터가 이제 고갈 나기 시작한 거죠. … 어떤 힘으로 어떤 속도로 어떤 작업을 하면 이 작업이 좋아지고 또 어떻게 하면 좀 더 전문가스럽고 이런 것들을 결정하는 건 대부분 힘의 데이터인데, 그 힘을 측정하는 도구가 또 로봇인 거죠." — [영상 3, 02:41 / 03:44]

"데이터를 잘 얻기 위해서는 정말 좋은 몸이 필요하고, 정말 좋은 몸을 만들기 위해서는 또 좋은 로봇이 나와야 되고, 이 좋은 몸은 또 굉장히 좋은 액추에이터에서 기반하고 … 결국에는 액추에이터에서 시작하는 게 맞다." — [영상 1, 31:38~32:10]

"모든 근육의 행동 하나하나를 지능적으로 인공지능으로 다 해석하려고 했던 그런 로봇들은 부들부들 떨어요. … 생각을 하지 말아야 될 때 생각을 한 거죠." — [영상 5, 19:45~20:47]

영상별 핵심

[1] 삼성도 혼자 못하는 로봇, 살길은 오직 하나입니다 - 공경철 교수 (손에잡히는경제, 2026-08-16, 48:40) — https://www.youtube.com/watch?v=1QttsyV9Siw
  • 피지컬 AI = 사람이 선천적으로 갖고 후천적으로 배우는 물리지능을 구조화·알고리즘화하는 것. 언어지능과 학습 구조가 다름(농구 슈팅: 반복훈련 → 안 될 때만 판단 개입)
  • "피지컬 AI라며 하는 얘기 상당수가 이미 해 온 것" — 지능형 로보틱스와 자동화(오토메이션)를 AI 관점에서 재해석한 것, 기존 성취를 간과하고 제로베이스로 가면 안 됨
  • 목표는 글로벌 3강이 아닌 "2030년 피지컬 AI 글로벌 1강", KAIST-엔비디아 공동연구센터(인간 물리지능 연구센터, NVAITC 첫 조인트랩) 공동센터장 — 엔비디아에 부족한 건 데이터·도메인 지식·실증 인프라, 현장 데이터 주도권은 절대 지켜야
  • 3D 프린터 사례처럼 외산 휴머노이드 보급 사업은 "중국산 로봇 수리센터 인재 양성"에 그칠 위험
  • 피규어AI도 판단 AI / 전신 제어 AI / 근육(액추에이터) 레벨로 계층 분리 — 말단 물리지능은 액추에이터 모듈로 내려가는 게 트렌드. 엔젤로보틱스 액추에이터 모듈 'PACT' 공개, 100시간 해커톤 10팀 실험 → 표준 부품·데이터 공유·플랫폼화. 조선업 수요 주목
[2] 로봇과 일자리의 미래, "로봇은 AI의 한 영역이 아니다" [공경철 박사 3부] (경제포커스TV, 2026-09-29, 23:29) — https://www.youtube.com/watch?v=sSvVjJZSG60
  • 1부 EBDGb8QRXGw(2026-10-05 업로드) 존재 — 미분석
  • 일자리: 새 기술은 일자리 수를 늘려 왔지만 지속성이 짧아짐, 기술의 완성은 '대중의 공감'(쉬워져야 확산)
  • AI ↔ 로봇 관계: AI가 들어와 로봇이 지능을 갖는 면 + 로봇이 AI 학습용 물리 데이터를 쏟아내는 면, 쌍방향
  • "피지컬 AI를 AI의 다음 세대로만 정의하면 로봇이 AI의 한 영역이라고 오해" — SNS 골프 영상 10만 번 봐도 선수 안 됨, 운동 못하는 몸엔 학습 한계 → 하드웨어 간과 금물
  • "Artificial Physical Intelligence" — 지능 대 지능 싸움은 한국에 불리, 산업 현장 특화 '재능 있는 몸'을 잘 만들고 그 위에 지능을 올려야 방산·의료·제조를 지킴
[3] [지식뉴스] "지금 AI 학습데이터가 다 고갈됐어요"..'피지컬 AI' 전쟁터에서 한국이 살아남을 유일한 전략 (교양이를 부탁해, 2026-04-12, 24:51) — https://www.youtube.com/watch?v=-Gb_LT6ti5g
  • 로봇 붐은 늘 있었지만(만화 → 영화 → 2000년대 일본 휴머노이드) 이번이 다른 이유 = AI가 몸을 원함 + 데이터 고갈로 새 모달리티(힘) 필요
  • 패러다임 변화: 과거 = 정교한 수학으로 관절 궤적 계산 / 현재 = 시뮬레이션 반복·보상(강화학습). 새 핵심 = Sim-to-Real 갭, 설계 기준도 '시뮬레이션이 잘 되는 구조'로 변화
  • 미국 로봇 = AI 중심(IT 빅테크 주도, 학회가 컴퓨터공학처럼), 중국 = 여전히 기계공학 우산 아래 하드웨어 중심
  • 계층 제어: 말단은 모델·수식 기반, 상위는 학습 기반, 실제 로봇은 그 중간. "밀어도 안 넘어지는 건 AI 없이 구현 → 지능 부분을 가볍게 하면 필요한 데이터 양이 줄어듦"이 한국 전략
  • 데이터 팩토리(텔레오퍼레이션) 데이터 품질 의문 → 슈트형 웨어러블을 입고 실제 현장에서 장인의 '손맛(힘 정보)'을 백업. 중국 스타트업 1곳 인력(약 500~1,000명)이 한국 대기업 로봇 인력보다 많음 → 원팀, 휴머노이드 M.AX 얼라이언스
[4] 로봇을 장악하는 회사가 AI도 지배할 겁니다 - 공경철 의장 (손에잡히는경제, 2026-04-28, 46:48) — https://www.youtube.com/watch?v=za_2ji2NHTo
  • 골든타임 근거 3가지: AI와 결합한 기술 변화, 투자 규모(골드만삭스 2035 휴머노이드 시장 전망 언급), 고령화·노동력 부족 + 중국 급부상
  • 빅테크의 로봇 투자 이면 = "데이터 전쟁" — 인터넷 데이터 고갈, 힘을 다루는 데이터는 로봇만 취득 가능. 로봇 기업 입장에서 현재 최대 시장은 빅테크의 데이터 센터(데이터 팩토리) 사업
  • "데이터가 모든 걸 해결한다"고 믿으면 한국에 불리, 엔드투엔드 대신 물리 레벨 우선 설계로 데이터 확보량 축소
  • 로봇은 데이터를 측정하는 장비이자 재현하는 장비 → 하드웨어의 물리적 완결성이 데이터 품질 좌우. 구동기 = 데이터 취득 게이트웨이, 데이터 표준·센서·구동기 확보가 핵심
  • 휴머노이드 수익성은 설왕설래, 대형 공장은 이미 자동화 — 극단적 개인화 생산으로 패러다임이 바뀔 것이라는 전제. 국방·의료는 국가가 끌고 갈 로봇 산업
[5] [성공예감 별책부록] 우리는 아직 너무 모른다, 이미 시작된 로봇의 미래 ⟪로봇의 미래⟫ (KBS 1라디오, 2026-06-20, 54:44) — https://www.youtube.com/watch?v=SCO-PCtKb2Q
  • 같은 날 업로드된 와이스트릿 「로봇 버블 무조건 온다! 이것만 살아남을 겁니다」(fmmSrwCyPzA, 50:23)에 문장 단위로 동일한 구간 다수 — 같은 녹취의 재편집본으로 추정, 한 건으로 처리
  • 근육마다 센서가 있지만 뇌는 다 인지하지 않음 → 로봇도 구동기 레벨 제어가 핵심, "구동기 기술 확보 = 로봇 기술 절반 이상"
  • 피아니스트 비유: 악상·전략은 AI(지능), 손가락의 즉각 움직임은 하위 레벨 반사 — 물리 레벨 알고리즘 위에 지능을 올린 것이 완성체
  • "부들부들 떠는 로봇 = 제어 실패" — 모든 근육 동작을 AI로 해석하려 한 결과(애국가 속 용접 불꽃 = 불량 비유)
  • 로봇은 현실화되면 '로봇이 아니기를' 바라는 산업(로봇청소기), 중국 춤추는 휴머노이드 가격 72% 폭락 기사 언급 — "버블은 무조건 오지만 핵심 기술 보유자가 살아남는다", 지금은 아직 정점 아님. 액추에이터 표준화·레고식 조립

강연 활용 포인트

  • '학습 기반으로의 전환' + 균형 논리의 최적 인용원: "과거 수학 계산 → 시뮬레이션 반복학습, Sim-to-Real 갭이 새 핵심"[3], 그러나 "AI로 다 하려는 접근은 무조건 실패, 로봇공학 기본 위에 지능"[2], 계층형(판단/전신/액추에이터)[1][5] — 굴착기·농기계 자율화에서 기존 유압·동역학 제어 위에 학습을 얹는 구조 설명에 그대로 활용
  • '피지컬AI는 갑자기 나온 게 아니다': "피지컬 AI라며 하는 얘기 상당수가 이미 해 온 것 — 지능형 로보틱스와 자동화의 AI식 재해석"[1] — 무인화·자동화 연구의 연장선 메시지와 정확히 일치
  • 숙련자 힘 데이터: 웨어러블 슈트로 현장 장인의 '손맛(힘 정보)' 백업[3] — 숙련 굴착기 운전자의 조작 감각·작업 데이터 확보 전략과 연결
  • 적은 데이터 전략: "물리 레벨을 잘 풀면 필요한 데이터 양이 줄어듦"[3][4] — 데이터 확보가 어려운 필드(건설·농업) 현장에 맞는 한국형 전략 근거
  • 액추에이터 = 데이터 게이트웨이[4] — 건설기계 유압 액추에이터·센서화와 연결 가능
  • 버블 경계: "버블은 반드시 오고 핵심 기술 보유자가 살아남는다"[5], 외산 로봇 보급형 정책 비판[1] — 강연 마무리에서 '핵심 기술 내재화' 메시지로 활용

공통 시사점 (3인 교차)

  • 3인 공통: 학습 기반 전환 인정 + 순수 엔드투엔드 경계(오준호 '하이브리드', 공경철 '계층형·물리 우선', 한재권 '데이터 질·시뮬레이션 증폭')
  • 3인 공통: 수요의 출발점 = 위험·고된 일, 인력 공백(오준호 포크레인 비유, 한재권 '사람이 아예 없다', 공경철 '고령화·노동력 부족')
  • 계보 서사: 후쿠시마 → DARPA 로보틱스 챌린지 → 현재 휴머노이드(오준호 [1][3], 한재권 [4]) — '무인화 요구의 연장' 슬라이드 근거로 최적
  • 형태 논쟁의 축: 오준호 "휴머노이드는 피지컬 AI 아님" vs 한재권 "휴머노이드가 최대 수혜자" — 강연에서 '형태 다양성 속 필드로봇' 포지셔닝 시 대비 구도로 활용 가능
  • 한국 강점 서술 일치: 제조 현장 데이터·공급망(부품)·원팀/플랫폼, 약점은 AI 파운데이션 모델·자본·인력 규모

제외·미분석 영상

  • E1bEgtkoXsc 로보컵 2026 인천 VIP 대기실 대화 — 발언 대부분이 인천시장, 오준호 발언 미미
  • pofcls2NcSc 2024 하반기 Korea Industrial AI 공동포럼 — 오준호 기조강연 구간 미수록
  • BzU2JfK0rVo·uOcyXBySK6E 오준호 2020년 강연 — 시기상 우선순위 낮아 미분석
  • AmL0meJwiPg NRF 연구자들의 이야기 — 다수 연구자 출연, 공경철 단독 발언 비중 불명확
  • 29hUB-sVxXU(한재권 신사임당 2부), EBDGb8QRXGw(공경철 경제포커스TV 1부), mPh3d0pwwmo·U_hcqpWaAu0·KX-dipZkHFs(한재권 2025년 상반기) — 시간 관계상 미분석

황보제민 (KAIST 기계공학과 RaiLab · 라이온로보틱스 대표)

한 줄 요약

"시뮬레이션이 곧 데이터" — 자체 물리엔진(RaiSim)·모래 모델로 수십 년치 경험을 며칠에 학습시키고, sim-to-real의 열쇠는 알고리즘보다 하드웨어(로봇 자체)라는 입장. 고전 제어 20만 줄 코드를 신경망 하나로 대체하는 전환의 국내 대표 주자.

반복되는 핵심 주장

  1. 학습 기반 제어로의 전환 — 개발 기간·코드량 급감, 성능 상승: 박사 시절 수년 걸리던 보행 개발이 한두 달로, 20만 줄 계층형 제어기를 네트워크 하나로 대체 — [4][6]
  2. 시뮬레이션 품질이 곧 성능 — 부족한 물리는 직접 모델링: 상용 엔진은 단단한 땅만 다룸 → 모래(입상체) 모델을 직접 만들어 해변 질주 구현 — [1][2][4][3]
  3. sim-to-real의 핵심은 하드웨어 이해: 갭의 원인을 아는 것은 로봇을 직접 만드는 쪽. 구동기 모듈 반복으로 저가·양산성 확보 — [1][3]
  4. 현장형 로봇의 1순위 지표는 에너지 효율·장시간 운용: 3h→5h→8h 목표, 풀코스 마라톤 완주(세계 최초 주장), 회생제동·무팬 설계 — [1][2][3][4]
  5. 계층 분리의 실용주의: 상위는 풋홀드 계획(샘플링+실시간 시뮬레이션 롤아웃), 하위는 RL 정책. 비전·실데이터는 상위 계층에 통합 — [1][2]

대표 발언

"심[투]리얼에서 가장 중요한 건 로봇이에요. 로봇을 어떻게 만드냐 … 갭이 어디서 나오고 그걸 어떻게 줄일 수 있는지, 그런 것들은 하드웨어를 개발하는 역량에서 … 하드웨어를 잘 알아야지 극복이 가능하겠죠." — [영상 1, 03:41]

"저희는 이 시뮬레이션을 한 수십 년 어치를 해야지 강화학습이 잘된 제어기가 하나 나와요. 그러면 그 수십 년 어치를 저희 한 2, 3일 만에 해야 되는데, 그러면 빠른 모델이 필요한 거죠." — [영상 1, 05:13]

"제가 박사학위를 할 때만 해도 로봇을 걷게 만드는 데는 수년의 시간이 필요했습니다 … 기존의 수년 걸리던 개발 작업을 한두 달 만에 끝낼 수 있습니다. 또 학습된 제어기의 성능이 기존 제어기의 성능에 비해 뛰어납니다." — [영상 4, 07:52]

"[지도교수님 제어기는] 20만 줄 정도 되는 코드라고 들었는데요 … 학습기반 제어는 이런 복잡한 제어 구조를 네트워크로 대체를 하자라는 것이 가장 큰 목적이라 할 수 있습니다." — [영상 6, 00:33~02:09]

"가장 저희가 아는 가장 정확한 모델은 그냥 시뮬레이션입니다. 그래서 로봇이 달릴 때 이 안에서 시뮬레이션이 돌아요. 실시간으로." — [영상 1, 16:11]

영상별 핵심

[1] KAIST AI Transformation Workshop / 사족 로봇을 위한 AI (KAIST Global Leadership Center, 2025-09-07, 22:01) — https://www.youtube.com/watch?v=_VwES6ZKbZI
  • 사족로봇 = 구동기 3개×다리 4개, 같은 모듈 12개 반복 → 양산·저가에 유리
  • "요즘 사족로봇은 다 강화학습으로 제어", 시뮬레이션 기반 학습 → sim-to-real 핵심은 로봇(하드웨어) 자체
  • 모래 모델: 다리가 모래를 누를 때 '함께 움직이는 질량' 등 거시 동역학을 근사해 수십 년치 시뮬레이션을 2~3일에 처리. 관측으로 모래 파라미터를 추정하는 인코더 → 지형 적응 제어(Science Robotics 2023)
  • 디딤돌·벽 점프 지형: 무작위 지형은 '불가능한 지형=노이즈'를 만들고 RL은 노이즈 10%에도 붕괴 → CVAE로 '성공 확률 70% 지형'을 생성하는 커리큘럼. 풋홀드 경로 1만 개 샘플→경량 필터 기각→8개를 RaiSim으로 실시간 롤아웃해 최선 선택(Science Robotics 2025)
  • 마라톤: 에너지를 그대로 보상에 넣으면 학습이 안 됨 → 접지 시 물리적 소모 에너지 기준 보상이 효과적. 회생제동으로 내리막 충전, "에너지 관점에서 사람보다 효율적", 중국 휴머노이드 하프마라톤(배터리 3회 교체)과 대비, 무팬·무소음
[2] TCOptRob Seminar: Learning-Based Control for Legged Robots (Model-Based Optimization, 2025-05-29, 1:03:59, 영어) — https://www.youtube.com/watch?v=rOUQC6g_9eI
  • RaiSim: MuJoCo보다 빠르고 hard contact(침투속도 0 보장)가 차별점
  • 지도 전체를 네트워크에 넣어 경로를 바로 출력하는 방식은 비볼록·다봉 문제라 어려움 → 사람이 미로를 풀듯 '경로를 시도·평가'하는 샘플링 기반이 맞다는 주장
  • 계획기와 제어기는 서로 의존 → 함께 학습해야 함. 고양이처럼 뒷발이 앞발 자리를 밟는 bounding 가정으로 탐색 공간 축소
  • 모래 지형: MuJoCo의 soft contact는 거동이 들쭉날쭉 → 발-모래 상호작용만 특화 모델링, teacher-student로 파라미터 추정, 두어 걸음 만에 적응
  • 19kg 물통(로봇 무게의 약 70%) 밀기 조작: 저수준은 그냥 보행 정책, 상위가 속도 명령만 줌 → 45개 조합 모두 성공. 사람 가슴에 카메라를 달고 걸어 SLAM+SAM으로 '주행가능성' 라벨을 자동 생성(손 라벨링 없음)
  • 상·하위 경계에 대한 견해: 비전·실데이터 통합을 위해 "상위는 풋홀드 출력, 하위는 추종"이 현재의 최적점
[3] 로봇이 마라톤을 완주하다 — 이건 시작에 불과합니다 (KAIST, 2024-12-26, 8:15) — https://www.youtube.com/watch?v=NhDpOXrqnoM
  • 주의: 황보제민·박정수·염동훈 3인 인터뷰. 자동자막에 화자 구분이 없어 아래 내용은 연구실 공동 메시지로 취급
  • 하드웨어 설계·시뮬레이션·AI를 한 연구실이 모두 수행, 부품 간 상호영향까지 고려한 시스템 최적화
  • 미지 지형에서는 "한번 걸어보고 지형을 느끼고 판단하는 AI"가 필요하고, 그 학습 데이터를 위해 시뮬레이션을 자체 개발
  • 금산 마라톤 37km에서 배터리 방전으로 실패 → 상주에서 완주. 라이보2 최대 67km, 신형 75km 이상, 목표는 "저가형 전기차만큼"
  • 다음 과제는 자율 산악 마라톤: 카메라로 디딜 곳 선택, 사람처럼 예측 불가한 장애물 회피, 다중 센서 융합 → "한 명의 오퍼레이터가 수십 대의 로봇을 제어하는 세상"
  • 향후 방향은 라이보2+팔(무거운 물체·테니스 같은 동적 조작), 휴머노이드
[4] [과학의 달인] 어디든지 달린다 '라이보 로봇' (YTN 사이언스, 2023-03-02, 10:15) — https://www.youtube.com/watch?v=f_nXTHReTFA
  • 천천히 걸으면 모래도 평지와 비슷하지만, 달리면 지면이 변형돼 제어가 훨씬 어려움 → AI로 극복
  • 사람처럼 '얼마나 빠지는지, 미끄러지는지'를 관절 센서로 느껴 지형 특성을 추정하는 신경망 → 보행 신경망에 입력, 몇 걸음 만에 적응
  • 동물 모방보다 무게·복잡도 최소화, 상용화를 전제로 성능·가격·안전만 고려해 설계
  • 첫 용도는 검사 로봇(제철소·전기설비·화학공장), 군 보초·수색, 팔을 달면 환경미화, 붕괴·산사태 현장 물자 운반
  • 수년 걸리던 보행 개발이 한두 달로 → 다만 시뮬레이션이 부정확하면 실환경 성능 저하 → "가장 중요한 기술 중 하나는 시뮬레이션 기술"
[5] AI 기술의 현주소는? (이제는 지방시대, 2023-03-19, 3:05) — https://www.youtube.com/watch?v=f1Pnt-OLBo4
  • 라이보의 핵심 기능은 '적응': 새 환경을 AI로 분석하고 그에 맞춰 행동
  • 사람이 가기 힘든 곳(해양플랜트·장거리 선박·공장)에 카메라를 들고 가는 것만으로도 가치가 큼
  • 노동인구 감소 → 환경미화(약 23만 명, 평균 60세 이상) 등 기피 직종 대체
  • 국내 연구는 세계 수준이고 남은 것은 사업화 단계. 연구자가 자율적으로 연구할 수 있도록 개인 과제 확대 필요
[6] ME491 기계공학특강: 학습기반제어 교과목 소개 (Mechanical Engineering KAIST, 2023-07-27, 6:41) — https://www.youtube.com/watch?v=HaEcW4DSVLg
  • 고전 방식(최적화·최적제어)으로도 험지 보행은 가능하지만 약 20만 줄 코드에 모듈이 많아 사람의 노력이 과도하게 듦
  • 컴퓨터 비전이 특징 추출 파이프라인을 네트워크 하나로 바꾼 것과 같은 흐름 → 제어 계층 구조를 네트워크로 대체
  • 학습 기반 제어의 두 특징: '안정적', '동적'
  • 수업 비중의 50%는 프로젝트(이동하는 패널을 건너뛰는 보행 정책 학습)
[7] Awesome Teachers at KAIST #39 — 2026 Best Teacher Award 대상 (KAIST-CELT, 2026-06-22, 12:25) — https://www.youtube.com/watch?v=L9cDkUIfqUg
  • 라이보 동역학을 식으로 풀면 "책 한 권" → 손으로 유도하는 교육에서 알고리즘·코딩 교육으로 전환
  • AI 시대의 지식관: 깊은 지식 소유보다 "얕은 지식을 빨리 찾아 연결하고 평가하는 사람"이 유리, 'AI를 쓰는 시스템을 어떻게 갖추느냐'(harness engineering)가 중요
  • 본인은 유료 AI 플랜 세 개를 돌려 쓰는 헤비유저, 코딩 과제가 1년 새 AI로 풀리게 된 데 대한 고민
  • 제안하는 수업 방식: AI 답의 오류 찾기, 창의적 문제 정의, AI에 줄 컨텍스트 설계, AI로도 못 푸는 큰 프로젝트

제외: AcNtl84Gv0U(한국로봇학회 2021), 6Vn0OEaXxFI(연구실 인터뷰 2021) — 자동자막을 판독할 수 없어 제외. RoTYz_cqK7w·C25zxbIBUSs(MERRIC 웨비나 2021·2023)는 자막 품질이 낮아 미분석.

강연 활용 포인트

  • 고전→학습 전환의 상징 수치: "20만 줄 → 네트워크 하나"[6], "수년 → 한두 달"[4]. 슬라이드 한 장 비교표로 쓰기 좋음
  • sim-to-real 메시지: "가장 중요한 건 로봇"[1] + "가장 정확한 모델은 시뮬레이션"[1] → '물리를 아는 자가 학습을 지배한다'는 필드로봇 연구기관의 포지셔닝 근거
  • 비정형 지형: 모래·갯벌·얕은 물에서 지형 파라미터를 추정하는 적응 제어[1][4] → 건설현장 연약지반, 농경지 진흙, 해안·하천 현장과 직결
  • 데이터 품질: "불가능한 지형은 노이즈, RL은 10%에도 붕괴"[1] → 필드 데이터 정제·커리큘럼 설계 필요성
  • 현장 투입 KPI: 에너지 효율·8시간 운용·마라톤 55km 이상[1][2][3] → 필드로봇 성능지표를 데모 동작이 아닌 운용 시간·주행거리로
  • 원격 다수 운용: "오퍼레이터 1명이 수십 대"[3] → 건설·농업 현장의 군집 운용 비전

박해원 (KAIST 기계공학과 DRCD Lab · 휴머노이드로봇연구센터 소장)

한 줄 요약

모델 기반 최적화(MPC)와 하드웨어 설계를 주무기로 하면서 RL을 실용적으로 받아들인 '하이브리드형' — 피지컬 AI 열풍에는 냉정(데모와 현장 실용성의 간극)하고, 하드웨어 자립·손 기술을 병목으로 지목.

반복되는 핵심 주장

  1. 하드웨어 자립이 우선: 모터·감속기·드라이버까지 직접 설계·제작, "노력의 60% 이상은 하드웨어" — [2][3][4][6]
  2. 모델 기반 vs 학습 기반의 냉정한 비교: RL은 코너 케이스에 강건하지만 발 순서(gait) 전환·원하는 동작 지정이 어렵고 '시뮬레이터에 없는 물리'(자석발)에서는 쓸 수 없음 → MPC를 모방학습으로 베낀 뒤 RL로 강건화하는 혼합 — [4][5]
  3. 피지컬 AI 기대는 과열, 다만 남는 기술은 있음: 휴머노이드 데모는 '품새 시연'처럼 스크립트 재생이고 상호작용이 없음. 범용 휴머노이드는 아직 이르지만 특정 임무·환경은 5년 내 가능 — [1]
  4. 병목은 손(핸드) 하드웨어와 내구성·AS: 다리는 많이 올라왔지만 손은 공간 대비 관절 수가 많아 구동기가 어려움. 장기 투입 시 고장률·오류는 아직 검증되지 않음 — [1]
  5. 한국의 당위성: 제조업 중심 경제, 고령화, 조선소 인력난 → 필요성이 가장 시급하고 재료도 충분 — [1][3]

대표 발언

"비디오로는 좀 그럴듯하게 움직이는 것처럼 보일지 모르지만, 또 마치 실제 물리 법칙을 이해하는 것처럼 움직이는 것처럼 보이지만, 또 실제 환경이 나오면은 그거보다 더 어려운 상황들이 발생을 하거든요. … 쿵푸 시범 해 그러면은 그냥 그 쿵푸 시범을 쭉 하는 거예요. 마치 태권도 품새 … 딱 정해진 스크립트대로 플레이되는 거라고 보시면 돼요." — [영상 1, 00:02 / 05:19]

"학습 기반 제어기가 장점이 굉장히 많더라고요, 해보니까. 코너 케이스 같은 것도 잘 핸들링하고. MPC는 정말 내가 모델링한 것만 … 잘 되리라고 생각하고 만든 제어기이고, 그렇지 않은 환경에서는 … MPC는 학습 능력이 없잖아요." — [영상 5, 43:49~44:21]

"자석발 로봇을 할 때 결정적으로 저희가 강화학습을 쓰지 않은 이유 중에 하나가, 저런 자석발을 시뮬레이션할 수 있는 시뮬레이션 엔진이 없더라고요. 라이심이라든지 무조코라든지 … 그게 가장 큰 이유 중에 하나입니다." — [영상 5, 46:26~47:00]

"RL method is very robust … even though we have a sim-to-real [gap], RL method can become very robust if you use domain randomization or something like that. So we do not have that here." — [영상 4, 27:18]

"다양한 임무나 다양한 환경에서 다 작동하는 휴머노이드 만드는 거는 [단기간] 내에는 좀 힘들 것 같고요 … 어느 특정한 임무 정도, 아니면 특정한 환경 정도에서 쓸모 있을 만큼 돌아가는 정도는 5년 내에도 가능할 것 같다." — [영상 1, 03:13~03:45]

영상별 핵심

[1] 피지컬AI 열풍 "기대 과도"…'이 기술'이 미래 성패 가른다 (뉴스1TV, 2026-02-18, 11:53) — https://www.youtube.com/watch?v=OBXDQelHJqU
  • 화자가 박해원 교수임은 영상 설명문으로 확인("박해원 KAIST 휴머노이드로봇연구센터 소장 … 피지컬AI 열풍이 기술 수준에 비해 과도")
  • 현재 휴머노이드는 PoC 단계: 기존 시스템만큼의 현장 성능, 장기 투입 시 고장·오류는 아직 검증되지 않음
  • 데모는 상호작용이 없는 스크립트 재생. 걷기는 잘 되지만 일반 작업으로 넓히려면 AI 융합이 필요한데, 현재 AI는 언어·비전에 치우쳐 있음
  • 핵심 병목은 손 하드웨어(작은 공간, 많은 관절, 힘). 현재 로봇팔은 그리퍼·석션의 픽앤플레이스 수준 → 문 열기·나사 조이기가 불가
  • 특정 작업에 꼭 휴머노이드일 필요는 없음(사족도 가능). 열풍이 식어도 손·로봇팔·AI 기술은 남음
  • 중국은 5~6년 전부터 준비했지만 내구성·AS·오작동 감소는 별개 문제. 한국은 제조업·고령화·조선 인력난으로 "필요성이 훨씬 시급"하며 인프라와 제도가 갖춰지면 빠르게 성장 가능
[2] K-로봇의 대반격! 인간처럼 스스로 학습하는 로봇? (파퓰러사이언스코리아, 2025-11-28, 4:18) — https://www.youtube.com/watch?v=k7qu1iU5VIc
  • 모터·감속기·AI까지 국내 기술로 만든 휴머노이드 → 기술 자립성 확보
  • 학습 방법은 두 가지: 강화학습(계단·험지·미끄러운 환경을 넣어 스스로 경험하며 학습)과 모방학습(사람 시범 따라하기)
  • 외발 로봇처럼 매우 불안정한 시스템도 RL로 안정 제어 가능
  • 생체 모사의 이유: 설계 선택지가 너무 많아 효율을 판단하기 어려울 때, 이미 성능이 검증된 생명체 형태가 출발점이 됨
  • 로봇은 사람과 경쟁하기보다 보완. 10년 뒤 산업·군사 분야가 먼저 도입
[3] 오리걸음부터 문워크까지, 최강의 안정성을 가진 휴머노이드가 온다 (KAIST, 2025-11-06, 9:01) — https://www.youtube.com/watch?v=AbTJTOiLdkM
  • 주의: 박해원 교수와 최종훈·김기정 연구원의 공동 인터뷰라 일부 발언은 연구원 몫
  • HOUND 100m 19.87초(2023 기네스), HOUND2 비공식 11초대, MARVEL(자석발 철벽 등반)
  • 하체 플랫폼: 모터·감속기·드라이버 전부 자체 설계, 시속 12km, 앞이 보이지 않는 상태에서도 험지 균형 유지, 30cm 이상 단차, 오리걸음·문워크
  • 방법론: 동역학 모델 기반 제어 + 강화학습 + 최근 생성형 모델로 사람 같은 동작 생성, 상태추정 연구도 병행
  • RL 학습에서 자기 발끼리 충돌(self-collision)이 잦음 → 사람에게 자연스러운 직관을 로봇에 어떻게 학습시킬지가 과제(연구원 발언)
  • 한 다리 호핑 시험으로 기구 결함과 sim-to-real 차이를 미리 확인. 다음 단계는 팔·손을 단 전신 휴머노이드로 산업현장 투입, 저출산 고령화 대응
[4] Hae-Won Park, CoRL 2024 Workshop on Differentiable Optimization Everywhere (Optimization for Robotics, 2025-02-18, 28:31, 영어) — https://www.youtube.com/watch?v=eLx0f1FQV5Y
  • "노력 대부분은 하드웨어 설계·유지보수, 제어 설계에는 40% 미만"
  • HOUND2 최고 9.5m/s, 100m 11.6초. 실제 모터의 토크-속도 운전영역(육각형)을 RL에 반영한 것이 고속의 핵심(RA Magazine)
  • 험지·고속 주행은 모두 RL로 설계했지만 이 발표는 모델 기반 MPC에 집중
  • 실패 경험에서 나온 아이디어: 오일러각 특이점 때문에 회전행렬 기반 MPC를 정식화(IROS 2021 발표, 수상 언급은 있으나 자막상 상 이름 불명확). 같은 MPC로 HOUND와 MARVEL(벽·천장)을 접촉 제약만 바꿔 제어
  • 접촉모드(고착·미끄럼·분리) 그래디언트 문제 → 상보성 제약 완화로 매끄러운 그래디언트 → DDP에서 발 순서가 창발. 마찰계수 식별에도 적용
  • 질의응답: 모델 기반은 상태추정에 민감하고, RL은 도메인 랜덤화로 강건 → 학생들에게 RL 잔차 정책 추가를 권하지만 병렬화 가능한 GPU QP 솔버가 없어 아직 어렵다고 답변
[5] [메릭 웨비나] MARVEL, Agile and Versatile Legged Climber (MERRIC, 2023-04-13, 50:19) — https://www.youtube.com/watch?v=KG0CHEQkCEY
  • 일반적인 RL·모델 기반 보행 제어기는 '지면 보행'을 가정 → 벽·천장 역주행은 범위 밖
  • 고전 제어기는 트로팅 게이트를 거의 바꾸지 않지만 RL은 돌발 상황에서 발 순서를 자동으로 바꿈
  • 연구 방향: MPC의 장점 + RL 혼합. MPC를 모방학습으로 17분 학습 → 계산시간 10ms→0.3ms, 이어 RL로 강건화
  • Q&A 핵심 대비: RL은 코너 케이스에 강함 / MPC는 모델링한 범위만, 학습 능력 없음. 반대로 RL은 발 순서 전환·원하는 동작(발 높이 등) 지정이 어렵고 바꿀 때마다 재학습 필요
  • 자석발에 RL을 쓰지 않은 결정적 이유는 RaiSim·MuJoCo 같은 시뮬레이터에 자석 접촉 모델이 없기 때문
[6] [브라보 K-사이언티스트] 상상을 현실로, 로봇이 만드는 미래 — 로봇공학자 박해원 (YTN 사이언스, 2023-02-22, 25:00) — https://www.youtube.com/watch?v=qKRyHklo55o
  • 시뮬레이션과 실험 결과가 다를 때 재실험으로 원인 추적 → 넘어짐 원인을 '토크 부족 vs 각속도 부족'으로 나누고, 모터 출력 육각형 영역을 분석해 진단
  • "사람도 처음 걸을 때 많이 넘어지듯 로봇도 그렇다 → 가상환경에서 미리 경험시키면 실험시간 단축"
  • 부품 대부분을 직접 설계·조립하기 때문에 문제를 빠르게 찾음. 랩 운영 원칙은 "직접 해봤는지, 빨리 구현해 확인"
  • 오준호·김민수·황보제민과의 협업 구조(하드웨어 / 저수준 제어 / AI 지능 분담)
  • MARVEL 개발 동기: 조선소·플랜트·대형 저장탱크 같은 철 구조물을 점검·보수하는 위험 작업 대체. 녹·먼지 낀 실제 표면에서 시험

강연 활용 포인트

  • '고전→학습' 전환의 균형추: 황보제민(학습 전면)과 대비되는 "MPC를 모방→RL로 강건화"[5], "RL은 강건, MPC는 해석 가능·지정 가능"[4][5] → 필드로봇에서는 하이브리드가 현실적이라는 메시지
  • sim-to-real의 한계 사례: "시뮬레이터에 없는 물리(자석발)는 RL 불가"[5] → 건설·농업의 흙·식생·유압 등 '시뮬레이터 공백'을 메우는 것이 연구기관의 역할
  • 산업 현장 직결: MARVEL = 조선소·플랜트·저장탱크 점검[6] → 필드로봇 응용 사례로 바로 인용 가능
  • 열풍 경계 문구: "데모는 품새 시연, 상호작용 없음"[1], "PoC 단계, 장기 내구성 미검증"[1] → 강연의 '현실 점검' 파트
  • 한국 당위성: 제조·고령화·조선 인력난[1] → 국가 R&D 정당화 문구

조규진 (서울대 기계공학부 · 서울대 로보틱스연구소장 · IEEE RAS 차기 회장)

한 줄 요약

"피지컬 AI에서 AI만 보지 말라" — 좋은 몸(폼팩터·메커니즘·소재)이 지능의 일부가 되어 AI 부담을 줄인다는 embodied intelligence 관점. 승부는 결국 하드웨어에서 나고, 휴머노이드는 끝이 아니라 시작이라는 입장.

반복되는 핵심 주장

  1. 휴머노이드는 정점이 아니라 시작: 자동차·비행기·세탁기는 사람을 닮지 않았음, "Humans' imagination is bigger than humanoid" — [1][2][3]
  2. 좋은 뇌만큼 좋은 몸(설계): 메커니즘이 적응을 대신하면 AI가 단순해짐(디퍼런셜 메커니즘 장갑, 단일 구동기 종이접기 바퀴). 데이터·엔드투엔드 학습만이 정답인가에 대한 문제 제기 — [1][2][4][5]
  3. 승부처는 하드웨어 + 현장 운용성: AI는 누구나 쓰게 되므로 문제를 푸는 하드웨어 위에 AI를 얹는 쪽이 이김. ROI·유지보수·비정상 작동 비용·교육훈련이 관건 — [3][1]
  4. 비정형 환경과 사회적 수용성: 건설현장은 비정형 환경의 '끝판왕'. 안전·신뢰·사용성, "로봇이 아니라 쓰는 사람이 멋져야" — [1][2][3][5]
  5. 생태계(교육·연구·창업)와 실패 안전망: 대학 중심 로봇 클러스터, 브리저, 테크니컬 스태프, 'Return to RI' 안전망 — [2][3][4]

대표 발언

"사람들이 지금 피지컬 AI라는 단어에서 AI만 너무 중요하게 생각을 하고 있는 거 같아요. 피지컬 AI에서 AI만이 중요한 게 아니고 피지컬 형태의 지능을 얼마나 잘 넣을 수 있느냐 … 앞으로 피지컬[이] 계속 발전을 하면 거기에 약간의 AI만 넣어도 되게 지능적인 로봇들이 나올 때 비로소 이 세상에 수많은 피지컬 AI 로봇들이 깔리게 될 거라고." — [영상 1, 09:34~10:07]

"하드웨어 정말 중요합니다. 결국 저는 하드웨어에서 승부가 날 거라고 생각을 하고요. AI는 정말 너무 빠르게 발전을 하고 있고 … 거기에서의 승부처는 얼마나 잘 쓰느냐 … 문제를 풀 수 있는 하드웨어를 만들어서 거기에 AI를 얹어야 된다고." — [영상 3, 28:25~28:57]

"좋은 뇌만큼 중요한 것이 저는 좋은 설계다. 그래서 그 두 개가 시너지를 일으킬 때 정말 큰 일이 일어날 수 있다." — [영상 2, 12:28]

"더 큰 AI, 더 많은 데이터를 모으는 것을 넘어서서 형태와 재료 자체가 지능의 일부가 돼서 몸과 지능이 함께 환경에 적응하는 그런 로봇을 만들 거고요." — [영상 4, 02:38~03:10]

"AI가 비정상 작동을 해도 그거는 사람이 골라서 쓰면 되기 때문에 … 할루시네이션 … 사람이 다 걸러내요. 근데 로봇이 집안에서 하다가 갑자기 엎어졌어요. 사람이 이거 어떻게 할 건가요?" — [영상 3, 24:13]

영상별 핵심

[1] [하이널리지 EP3] 생성형 AI 다음 혁명은 '몸'이다: 피지컬 AI가 그리는 미래 (SK하이닉스, 2026-08-21, 17:07) — https://www.youtube.com/watch?v=ZynywFcY00I
  • 휴머노이드는 끝판왕이 아니라 시작. 가구가 움직이고 변형되는 것처럼 '생활 속 모든 것이 로봇'이라는 상상력
  • 하드웨어 기반 위에 생성형 AI가 결합되며 폭발적으로 성장. 일일이 코딩하던 시대에서 데이터 기반 시대로
  • 피지컬 AI는 결국 '로봇'이라는 단어로 다시 수렴할 것(자율주행·드론도 로봇에서 분기된 분야)
  • 실물 접촉 때문에 안전·신뢰·사용성이 핵심, 온디바이스 AI 필수, "어떻게 AI를 덜 쓰고 지능적으로 만들까"가 미래 과제
  • 건설현장은 비정형 환경의 끝판왕, 2050년 65세 이상 인구 약 40%. "로봇이 아니라 쓰는 사람이 멋져야"(웨어러블을 안경처럼). 모듈형·형태 가변 바디를 빠르게 만드는 생태계, '1인 로봇 창업' 시대
[2] 피지컬 AI의 미래 | Physical AI Is More Than Humanoids (SNU Robotics Institute, 2026-05-02, 29:02) — https://www.youtube.com/watch?v=ig7vr2FTYfE
  • "역사상 로봇 만들기 가장 쉬운 시대": 부품 가격 하락·성능 향상·AI 발전으로 기술 생태계가 민주화
  • 모두가 휴머노이드로 달려가는 것은 모방이고, 그 모방도 제대로가 아님(사람 뇌와 다른 엔드투엔드 대규모 데이터 학습). "데이터 많이 모아야"만이 정답인지 질문해야 함
  • 다중 물체 그리퍼: 사람의 손가락→손바닥 이동(finger-to-palm translation) 개념만 가져오고 구동기 1개로 구현 → "사람을 모방할 필요 없다"
  • 엑소글로브 폴리: 디퍼런셜 메커니즘의 적응성 덕분에 "AI도 되게 심플해지는 거죠", 온오프만으로 다양한 물체 파지. 종이접기 가변 바퀴는 구동기 1개로 변형 → 타이어 회사와 실차 적용 → 조선소 30m 구조물로 확장
  • 현재 로봇은 기구학(움직임)만 제어하고 강성은 바꾸지 않음 → 가변 강성, 분산 지능(손 지능·다리 지능), 모듈형·재구성형 바디와 지능 → 손을 바꿔 달아도 재학습이 필요 없는 지능, catastrophic forgetting 완화
  • AI는 문제 정의를 못 함 → 좋은 문제를 정의하는 것이 사람 몫. 대학 중심 생태계, 브리저, 테크니컬 스태프, 'Return to RI' 안전망, "우리나라가 살 길은 창업밖에", 풀스택 로보틱스 엔지니어
[3] 조규진 교수 '로봇은 하드웨어 승부, 한국이 잘할 수 있다' — 피지컬 AI 포럼 (미디어협동조합 국민TV, 2026-05-14, 2:12:48 중 발제 12:18~37:44) — https://www.youtube.com/watch?v=u3_QxTCd5Qk
  • 10년 전엔 "로봇 될 겁니다", 요즘은 "로봇 쉽지 않습니다" — 최근 영상 다수가 데모이고 지금은 '벽돌 핸드폰' 단계, 그래서 한국이 늦지 않았음
  • 로봇 역사(RUR·팩봇·룸바·다빈치·아시모) → 다음 흐름은 생체모사·소프트로봇, 10~20년 후 산업 진입. 게코 로봇은 반데르발스 힘으로 에너지 없이 부착 → "지금 로봇은 학습에도 구동에도 에너지를 너무 많이 씀"
  • 휴머노이드가 시장에 들어가려면 사람 흉내가 아니라 로봇이 잘하는 '스윗스팟'과 ROI를 찾아야 함: 설치비·유지보수·고장 안 나는 단순 설계·교육훈련·데이터 관리비(아마존 고 사례)·비정상 작동 비용과 대응 프로토콜
  • 자율주행도 20년째 레벨4를 넘지 못함 → 휴머노이드도 마찬가지로 계획해야 함. 세탁기 비유("세탁 = 옷과 옷의 마찰")로 휴머노이드가 정답이 아닐 수 있음을 설명
  • "결국 하드웨어에서 승부", 국산 로봇을 많이 써야 국산이 좋아짐, 중국의 정부 구매보조에 대한 경계, 대기업 인수(엑시트) 활성화와 규제 완화, 브리저·테크니컬 스태프·안전망, 2026 ICRA 한국 개최
[4] 서울대학교 로보틱스연구소의 꿈과 비전 (SNU Robotics Institute, 2026-09-01, 4:08) — https://www.youtube.com/watch?v=nLyPXT32M2E
  • 창의공학설계 수업(1993)이 인생을 바꾼 경험 → 연구소는 논문 공장이 아니라 사람과 도전의 생태계
  • 국가연구소(NRL) 선정, 기부와 국고로 전용 건물 건립 예정
  • 향후 10년 비전은 '인간 중심 피지컬 AI 로보틱스': "형태와 재료 자체가 지능의 일부" → 몸과 지능이 함께 환경에 적응
  • "Dream to reality" — 기술은 반드시 사람을 향해야 함(돌봄·능력 확장·치료)
[5] [미네르바 클래스] 인간보다 더 '인간'같은 로봇?! '소프트 로보틱스'의 등장 (한국경제TV, 2022-12-05, 15:29) — https://www.youtube.com/watch?v=rna-WV7p51A
  • 팩봇 사례: 기능만큼 사용성(가방에 멜 수 있음)이 중요
  • 소프트로봇 = 유연 소재로 적응성을 확보한 로봇. 곤충·동물은 지능이 뛰어나지 않아도 유연한 몸으로 다양한 환경에 적응 → 그 특징을 로봇에
  • 장애인의 "손만 움직이게 해 달라"는 요청 → 천·폴리머 소재의 엑소글로브 폴리. 영상 기반 AI로 의도를 파악해 파지 성능 향상
  • 디지털 세상 문제는 IT가 풀었고, 남은 문제는 물리 세계·비정형 환경(땅속, 산불 등) → 소프트+하드로봇+AI 결합

제외: 7LZugPP54Jw(티타임즈 2022) — 자동자막 품질이 낮아 인용에 쓰지 않음. 영어 기조연설(j6fEnhU56aA IROS 2025, G5OJ2nuT_XE IROS 2018 "Physically Embodied Intelligence")은 자막을 내려받지 않아 미분석(필요 시 추가 수집 권장).

강연 활용 포인트

  • '학습 만능론'의 대항 축: "데이터 많이 모으는 게 정답일까"[2], "약간의 AI만 넣어도 지능적인 몸"[1] → 학습 기반 전환을 말하되 '몸·메커니즘이 학습 부담을 줄인다'는 균형 메시지
  • sim-to-real·데이터 효율 연결: 메커니즘 적응(디퍼런셜)으로 AI가 단순해지는 사례[2] → 필드에서는 데이터 확보가 비싸므로 '설계로 학습 차원을 줄이는' 전략의 근거
  • 비정형 환경: "건설현장 = 비정형 환경의 끝판왕"[1] → 필드로봇·건설기계 자동화 슬라이드에 그대로 인용 가능
  • 현장 도입 체크리스트: ROI·유지보수·비정상 작동 비용·프로토콜·교육훈련[3] → 필드로봇 실증 단계 리스크 정리 프레임
  • 폼팩터 다양성: "Humans' imagination is bigger than humanoid"[2][3] → 굴착기·농기계 등 비인간형 필드로봇의 정당성
  • 한국 강점: "하드웨어에서 승부, 한국은 하드웨어·소프트웨어 둘 다 가능"[3] → 기계연 같은 하드웨어 기반 기관의 역할 강조

세 사람 교차 정리 (강연 서사용)

축 황보제민 박해원 조규진
고전→학습 전환 전면 수용("20만 줄→네트워크") 하이브리드(MPC 모방→RL 강건화) 학습보다 몸·설계 우선
sim-to-real 열쇠 하드웨어 이해 + 정확한 시뮬레이션(모래 모델) 시뮬레이터에 없는 물리는 RL 불가, 모터 특성 반영 메커니즘 적응으로 학습 부담 축소
현장 병목 에너지·운용시간·지각(카메라·짐벌) 손 하드웨어·내구성·AS ROI·유지보수·비정상 작동 비용
비정형 환경 모래·갯벌·산악 마라톤 철 구조물 벽·천장(조선·플랜트) 건설현장 = 끝판왕
공통 메시지 하드웨어를 직접 만드는 쪽이 학습 기반 로봇에서도 이긴다

장병탁 (서울대 컴퓨터공학부 교수, 전 서울대 AI연구원장, K-휴머노이드 연합 위원장)

한 줄 요약

피지컬AI는 "글자만 공부한 AI"의 한계를 몸·센서 경험으로 넘는 다음 단계. 로봇 개발은 프로그래밍에서 시연 데이터로 가르치는 방식으로 바뀌는 중. 데이터가 아직 없는 분야라 전 세계 출발선이 비슷하므로, 제조 강국 한국이 현장 데이터와 로봇 파운데이션 모델로 앞서 나갈 "골든 타임"이라는 낙관적 전략론.

반복되는 핵심 주장 (5개)

  1. AI 발전 단계: 판단형(지각) → 생성형(사고) → 에이전트(행동) → 피지컬AI — 지각·사고·행동이 루프로 묶인 "완전한 에이전트"가 AI 연구 70년의 원래 목표. 지금까지의 에이전트는 화면 안에만 존재 [1][2][3][4][6]
  2. LLM의 근본 한계 = 체험 없는 지식(마이크·컵·포인터·와인 비유) — 단어가 들어간 문장은 다 읽었지만 만져 본 적은 없음. 그래서 할루시네이션이 생기고 "사상누각" 상태. 이를 넘으려면 몸·센서·실세계 상호작용이 필요. 철학적 근거로 실존주의("being in the world")를 반복 인용 [1][2][3][4][6][7]
  3. 로봇 개발 패러다임 전환: 코딩 → 시연·모방학습 → VLA·로봇 파운데이션 모델 — 사람이 원격조작으로 보여 준 동작을 데이터로 기록하고 학습. "단어 대신 행동을 생성하는 생성형 AI의 연장선". 대신 작업 하나에 수백~수천 번의 시연이 필요 [1][2][3][4][6][7]
  4. 휴머노이드의 강점 = 인프라를 바꾸지 않는 범용성 — 기존 자동화는 로봇에 맞춰 환경(컨베이어·레일)을 바꿨지만 휴머노이드는 인간 환경에 그대로 들어감. "철로 놓기 vs 시골길" 비유. 다품종 소량생산 시대에 맞는 방식 [1][2][3][4][6][7]
  5. 한국 전략: 출발선이 같은 지금이 골든 타임 — 피지컬AI는 데이터가 거의 없어 LLM처럼 규모 경쟁에 밀리지 않음. 반도체·자동차·배터리·전자 등 제조 기반에서 양질의 현장 데이터를 먼저 모아 로봇 파운데이션 모델을 선점해야 함. 하드웨어·AI가 융합된 인재와 산학연정 연합(K-휴머노이드 연합) 필요 [1][2][3][4][5][6][7]

대표 발언 (자막 기반 실제 인용)

"지금 놓치면 진짜로 이제 앞으로 30년 50년이 놓칠 수도 있고 오히려 여기서 잘하면 앞으로 30년 50년을 선도할 수도 있는 골든 타임인 거 같습니다." — [2, 13:23]

"피지컬 AI는 아직은 세계적으로 다 출발점이 거의 비슷해요. 왜냐하면 피지컬 AI는 아직 데이터가 별로 없어요." — [6, 22:07]

"[제조] 문화가 강한 데는 철도 놓는 방법을 좋다고 생각하시는데 길게 보면 답이 아니라는 걸 잘 모르시는 거 같아요 … 휴머노이드 로봇이 이런게 시골길 만드는 거예요 범용인 거예요" — [7, 32:10~32:41]

"이거를 더 이상 프로그래밍하지 않아 … 로봇팔이 요거를 [잡고] 이렇게 하는 거를 그대로 데이터로 레코딩을 합니다 … 로봇 개발 방법이 완전히 달라지는 겁니다" — [7, 10:24]

"한 번도 이 포인터라는 걸 본 적도 없고 만져 본 적도 없고 써 본 적도 없으면서 포인터라는 글자가 들어간 글은 다 읽었습니다" — [4, 33:09]

영상별 핵심

[1] #한국의 승부처: 피지컬 AI와 휴머노이드 — 서울대총동창회 조찬포럼 강의 (남은 박완신 TV, 2026-03-12, 55:42) — https://www.youtube.com/watch?v=9a0mPyDxmnA
  • AI 패러다임 전환 설명: 사람이 지식을 프로그래밍하던 방식이 60년 넘게 실패하고, "기계가 스스로 배우도록 유도"하는 머신러닝이 혁명의 핵심. 2012 ImageNet, 2016 알파고, 2024 노벨 물리·화학상을 연결해 설명
  • 피지컬AI의 기술적 정체: "글하고 그림을 주면 출력이 행동이 나옵니다 … 단어를 생성하는 대신에 행동을 생성" [39:56]. 다만 "학습할 데이터가 거의 없습니다. 제조업이나 물류 창고나 서비스 상황 … 아직 데이터가 [사실] 없습니다" [40:26]. 이를 새 기회이자 전통 산업 혁신의 계기로 해석
  • 휴머노이드는 "얼마 전까지 거의 포기했던" 기술. 최근 5년의 AI 발전과 결합하며 재도전하는 시점 [42:39]. 사례: Atlas 자동차공장, BMW 공장, Figure+ChatGPT, Tesla
  • 휴머노이드 장점: 기존 인프라 무변경, 중량물·위험작업·24시간 가동, 인력난 대응 [44:51~46:02]
  • 한국 기회: 제조 강국으로서 특정 산업 데이터를 먼저 만들어 파운데이션 모델로 확장하면 선도 가능. 산업부 K-휴머노이드 연합 언급. 중국의 급추격으로 빠른 투자 필요 [52:38~54:11]
[2] 제조강국 한국이 피지컬AI에 유리한 이유 (티타임즈TV, 2026-01-02, 21:18 / 박영선TV 동일 대담 -VAfFmiK8Uw) — https://www.youtube.com/watch?v=BF-ZA16EzR0
  • 2025년은 AI 에이전트 산업화 원년, 2026년은 피지컬AI의 해(국가인공지능전략위원회 화두와 연결)
  • K-휴머노이드 연합: 산업부가 휴머노이드를 신산업으로 규정. 대기업·스타트업·대학·연구소·정부가 참여하는 국가 연합 플랫폼. 2030년 무렵 세계적 휴머노이드 산업화가 목표이며 전략은 아직 수립 중 [03:07~04:11]
  • 국가별 비교: 중국은 휴머노이드 회사 100개 이상, 국가 주도 양산·저가 전략이지만 품질·지능은 미약. 미국은 빅테크 플랫폼 주도. 한국은 부품 산업이 함께 크는 융합 생태계형 [04:11~05:11]
  • 기존 자동화와의 차이: "기존에 로봇 자동화는 인프라를 바꿔 가지고 … 지금은 이제 약간 반대 방향. 기존에 있는 환경에 AI가 … 적응하는 거" [09:16]
  • 월드모델의 난제는 물리 상식. 물건을 치면 넘어지고 물이 쏟아진다는 예측을 하려면 촉각·온도·소리 같은 센서 데이터가 필요하고, 그 수집이 "큰 숙제" [14:55~15:26]
  • 안전: 환각(=상상력)이 물리 세계에서는 사고로 이어지므로 "안전 조치조차도 어쩌면 학습해야 될지도" [12:21]
  • 인재: 컴퓨터공학(AI·알고리즘)과 기계공학(동역학·센서)을 함께 갖춘 융합 인재 [19:36~20:37]
  • "화성·달 탐사에 비하면 큰 투자가 필요한 것 아님, 하면 되는 것" [19:04]
[3] [AI&CLOUD 2025] 피지컬 AI가 몰고올 로봇 시대, 한국의 비전 (IT조선, 2025-06-19, 29:04) — https://www.youtube.com/watch?v=3aHArE0H2JU
  • 문제 제기: AI 투자 대비 "AI로 돈을 벌었냐"는 질문. LLM은 "너무 규모의 경쟁에 들어가 버렸고", 한국이 덜 늦은 다음 분야를 찾아야 한다는 문제의식 [00:33~01:33]
  • 튜링 테스트 다음은 '토탈 튜링 테스트'(몸을 가진 지능, 영화 엑스 마키나). 이를 다음 신산업이자 명확한 도전 과제로 제시
  • 기술 계보: 판단형(객관식) → 생성형(주관식) → 강화학습 에이전트(시행착오, 자기 개선) → 임바디드 LLM·로봇 파운데이션 모델. 핵심 과제는 "닫힌 세계가 아니고 열린 세계 문제" [26:19]
  • 데이터: 원격조작 시연 수집이 혁신이지만 "데이터는 [아직 부족], 지금 그래서 시작에 불과" [24:14]. 서울대도 파운데이션 모델을 개발해 한 달 후 LA 학회에서 Physical Intelligence와 같은 세션에서 발표 예정이라고 언급하며 "우리나라 어쩌면 최초의 세계적인 파운데이션 모델" [24:46~25:19]
  • 한국이 유리한 이유: LLM처럼 스케일 경쟁을 아직 안 해도 됨, 데이터가 지금 만들어지는 단계, 관련 산업·생태계와 복합기술 인력 보유 [26:52~27:24]
  • 미래 직업: 프롬프트 엔지니어 다음은 "튜터링 엔지니어", 즉 로봇·AI를 가르치는 일 [28:25]
[4] [2025 ICT 산업전망컨퍼런스] AI 미래 신산업 — 휴머노이드 AI (정보통신기획평가원 IITP, 2024-11-22, 50:07) — https://www.youtube.com/watch?v=L3zp_eNI6qA
  • AI를 판단형·생성형·행동형으로 분류. "행동형 AI는 사실은 아직까지 발전이 거의 없습니다. 미미" [28:27]. 로봇 연구가 기계·소재 중심이었고 AI 연구자가 참여하지 않았다는 진단
  • "어떤 문제든 … 몇 개 중에 하나 고르는 문제로 포뮬레이션 하면 … 데이터가 있으면 풀 수 있습니다. 그 자신감을 가져야 됩니다" [20:24]. 데이터만 늘리면 성능은 결국 오른다는 확신(2만→20만→200만 장 비유)
  • 시각 데이터도 "문제 복잡도에 비하면 … 데이터는 극히 부족" [14:06]. 텍스트는 상대적으로 쉬운 문제였다는 평가
  • 모방학습 비용: 계란 프라이 하나에 사람 시연 "수백 번 수천 번", 그래도 "100번이 안 되면 천 번 … 만 번을 하면 어쨌든 해냅니다" [39:30]
  • Tesla Optimus 100만 대·저가 계획은 "그렇게 현실적인 계획은 아닌데 두고 봐야" [36:48]
  • Q&A: 영어권 데이터에서 밀리는 나라의 대응으로 "행동형 AI로 가면 사실은 유니버설" — 제조업 현장 데이터를 빨리 모아 AI화하는 것이 한국의 강점 [47:45]
[5] [장병탁 서울대 AI 연구원장 출연] 100조 원 투자로 피지컬 AI 주도권 노린다 (MBN News 프레스룸 LIVE, 2025-07-18, 10:51) — https://www.youtube.com/watch?v=ffhm9ZFcQhQ
  • 소형 휴머노이드를 들고 출연. "AI의 마지막 꿈, 최종판이 어쩌면 요런 로봇"
  • 한국은 1·2위(미국·중국)와 격차가 크지만 "세 번째 강국은 충분히 될 수 있다". 근거는 IT·제조 강점과 AI의 결합
  • 인재 유치: 비전(야심찬 목표)과 연봉 격차 해소. 정부 우선순위는 데이터·컴퓨팅 인프라, 이어서 글로벌 유니콘급 AI 스타트업
  • 가정용 로봇은 "한 10년 안에는 들어올 수 있을 거라고"
  • 방송 성격상 내용은 일반론 위주. 강연 인용 가치는 낮음
[6] 2026 동아AI포럼 기조연설 "로봇이 스스로 배우고 일하는 시대: 피지컬 AI의 현재와 미래" (투벤저스 주간동아, 2026-09-15, 23:10) — https://www.youtube.com/watch?v=KuRIji-x1WE
  • 현재까지 분석한 영상 중 가장 최신. 인터넷 등장으로 현실이 디지털로 옮겨간 지 30년 만에 "지금은 그 반대"로 AI가 세상 밖으로 나오는 큰 변화 [03:42]
  • 화이트칼라를 대체하던 AI가 피지컬AI로 가면 블루칼라 직무까지 대체 가능. 제조업 비중이 큰 한국에서 영향이 더 큼 [04:15]
  • "물리 세계는 불확실성이 높기 때문에 사실 계속 학습을 해야" [05:17]. 실세계 입출력은 화면 속 에이전트와 비슷해 보여도 "불확실성이 어마어마하게 높습니다" [08:23]
  • VLA를 로봇 브레인(로봇 파운데이션 모델)으로 소개. 사례: Google PaLM-SayCan(콜라 청소 계획), Physical Intelligence("만든지 2년 만에 몇십 조")
  • 국내 실증: 서울대 AI연구원 창업기업(자막상 '추모노 로로틱스', 정확한 사명 확인 필요)의 파운데이션 모델로 CJ대한통운 물류 포장, 아모레퍼시픽 주문 포장 자동화. "아직은 사람보다 느려요 … 대신 로봇은 24시간 안 쉬고" [19:31~20:01]
  • 학습 순환: 인간 시범 → 모방학습 → 시뮬레이션 → 현장 수행 → 지속학습(영상 설명란 챕터와 [20:32] 발언)
  • 결론: 반도체·자동차·전자·배터리 회사가 있는 제조업에서 양질의 데이터를 먼저 모아 로봇 파운데이션 모델을 만들면 다음 세대 리딩 기회 [22:07~22:38]
[7] 맥주 한잔 마신 것 같은 AI를 개발해야 하는 이유 (티타임즈TV × LG전자, 2025-03-10, 38:32) — https://www.youtube.com/watch?v=e_LN2m4CKhc
  • 베이비 마인드 프로젝트: 생후 18~24개월 영아의 인지발달을 AI로 구현하려는 연구. 모라벡의 역설("아이를 흉내내는 게 어른을 흉내내는 것보다 어렵다") 언급 [01:32~03:07]
  • "머신러닝이 아닌 러닝머신": 기계가 스스로 탐색하고 행동해 데이터를 고르는 학습. "바디를 가지고 연구를 해야 진짜 AI" [09:23]
  • 로봇 연구 커뮤니티 분리(기계·소재 vs AI)가 해소되며 협력이 "폭발적으로 일어날 것" [09:54]
  • 데이터 차이: 텍스트·이미지는 '정적 데이터', 물리 세계는 동적·연속(아날로그) 신호. 기술적 과제는 남아 있지만 "큰 문제는 아니에요" [28:02~29:03]. 디지털로 "꾸겨" 넣는 현재 방식은 비효율적이며 아날로그화가 인간다운 방향 [29:34~30:36]
  • 철로 vs 시골길: 전용 인프라(철로·컨베이어)는 빠르지만 비싸고 경직됨. 휴머노이드는 "궁극적으로는 싼 솔루션", 범용성이 결국 이긴다는 논리(인류는 특출난 능력 없이 범용성으로 지구를 지배) [32:10~33:45]
  • 다품종 소량생산과 수시로 바뀌는 주문 흐름에서는 컨베이어 방식이 통하지 않아 사람이 남아 있음. "그 부분이 휴머노이드가 들어갈 자리" [35:48~36:50]
  • 기업 조언: "머리로 하는 시대는 지났어요 데이터 모으는 거". 먼저 데이터를 확보하고 시행착오를 겪은 쪽이 진입장벽을 만든다. 제조업의 "돌다리도 두드려 보는" 문화와 반대인 빨리 해 보고 고치는 문화가 필요 [17:39~18:09, 26:29~27:31]

강연 활용 포인트

  • "피지컬AI는 갑자기 나온 것이 아님" 근거: 장병탁 스스로 AI 에이전트를 "30년 된 기술"(90년대 소프트봇·지능형 에이전트)이라 하고, 휴머노이드는 "얼마 전까지 거의 포기했던" 기술이 AI와 결합해 재도전하는 것이라고 설명 [1, 42:39], [3, 03:37]. RoboCup의 "2050년 인간 vs 휴머노이드 축구" 꿈(1997)도 반복 인용 [1][4]
  • 산업 무인화 요구의 연장: 인력난, 하기 싫은 일, 24시간, 중량물·위험 작업, 52시간제 [1, 45:29~46:02]. "사람이 싫어하는 일, 힘들어하는 일, 위험한 일부터 먼저 학습" [2, 16:29~17:01]. 고령화·노동인구 감소로 "결국은 기계화되거나 AI 로봇화될 가능성이 높습니다" [7, 35:16]
  • 학습 기반 전환: "이거를 더 이상 프로그래밍하지 않아 … 로봇 개발 방법이 완전히 달라지는 겁니다" [7, 10:24]. 단어 대신 행동을 생성 [1, 39:56]
  • 필드로봇 연결 발언
  • "물리 세계는 불확실성이 높기 때문에 계속 학습해야" [6, 05:17]. 비정형 현장의 지속학습 논리로 활용
  • "닫힌 세계가 아니고 열린 세계 문제" [3, 26:19]. 공장(닫힌 세계) → 건설·농업·재난 현장(열린 세계)으로 확장하는 구도
  • 철로(전용 인프라) vs 시골길(범용) 비유 [7, 32:10]. 인프라를 깔 수 없는 필드 환경에 거의 그대로 적용 가능. 단, 장병탁은 이를 휴머노이드 논리로 썼음에 유의
  • "현장에서 일어나는 데이터들을 수집해서 학습 … 아직 데이터가 [사실] 없습니다" [1, 40:26]. 필드 데이터 선점이 곧 경쟁력이라는 논리
  • 주의: 장병탁은 데이터가 쌓이면 결국 해결된다는 낙관론("데이터만 충분히 있으면 결국은 해낼 수 있습니다" [4, 20:24])을 펴며, 김상배의 신중론과 정면으로 대비됨. 두 사람을 나란히 놓으면 균형 잡힌 구도 연출 가능

김상배 (MIT 기계공학과 교수, 생체모방로봇연구실 / 2026년 현재 휴직 중 Meta에서 휴머노이드 개발 총괄)

소속 근거: 유퀴즈 클립 [1]에서 "MIT에서 기계공학과 교수 … 현재는 휴직을 하고 있고 [Meta]에서 휴머노이드를 개발" [UJSfFQDDoL4 00:02], 진행자의 "메타에서 휴먼노이드 개발 총괄" [jp2iDp5X8ro 00:02] 언급과 저커버그 관련 문답

한 줄 요약

"LLM이 못 하는 것 전부가 피지컬 인텔리전스"라는 입장의 대표적 신중론자. 인간은 의인화·모라벡 편향 탓에 로봇과 AI 데모를 과대평가하며, 언어는 행동을 기술하기에 너무 추상적이고, 시연(모방) 데이터만으로는 물리 세계를 풀기 어렵다고 봄. 해법은 공장식 위치제어를 벗어난 하드웨어(고유감각 구동기), 데이터 기반과 모델·추론 기반을 섞는 계층 구조, 노동력 부족·고령화에 대응하는 실용 로봇.

반복되는 핵심 주장 (5개)

  1. 현재 AI = 가상(virtual) 지능, 피지컬 인텔리전스는 전혀 다른 문제 — 텍스트·이미지·음성은 "핸드폰이 할 수 있는 일", 즉 정보 교환에서 끝남. 목공·잼 바르기는 책이나 전화로 배울 수 없음. 언어는 행동을 기술하기에 너무 추상적 [2][3][5][6]
  2. 인간의 인지 편향이 AI·로봇 평가를 왜곡함 — 거울뉴런·의인화 때문에 로봇이 걷어차이면 "불쌍하다", 이세돌을 이기면 "사람만큼 똑똑하다"고 반사적으로 판단. 사람에게 쉬운 것(균형·파지)이 기계에는 가장 어렵다는 모라벡의 역설. "인공지능이라는 말이 좀 과장된 표현" [2][3][6]
  3. 데이터·모방학습 회의론 — AI는 "인간이 만든 정보를 모아서 따라하는 따라쟁이". 데이터가 없는 상황(바둑판 한 칸 확장)에서는 백지가 됨. 100만 명의 보행 데이터에는 넘어졌다가 회복하는 장면이 거의 없음. Tesla 700만 대(텔레오퍼레이터 700만 명)도 자율주행을 못 끝냈는데 자유도와 물체가 훨씬 많은 매니퓰레이션은 얼마나 필요한가 [2][3][6]
  4. 공장 로봇 패러다임(위치제어·고강성)으로는 현장에 못 나감 — 공장은 모든 정보가 주어진 환경이고 현장·재난·가정은 돌발 상황이 연속. 충격을 흡수하고 힘을 제어하는 고유감각(proprioceptive) 구동기가 해법이며, Mini Cheetah가 그 청사진. "유압 로봇을 없앤 사람" [2][4][5][6]
  5. 한국 전략·사회적 목표: 제조 강점 + 상위 AI 결합, 노동력 부족·고령화 대응 — 영어 LLM 경쟁을 따라가기보다 제조 강점을 살려 하드웨어와 소프트웨어가 붙은 고부가가치 제조로 가야 함. 하드웨어만 하거나 소프트웨어만 하면 금방 따라잡힘. 목표는 노인 돌봄(elder care) 로봇. 기술 확산에는 병목이 있으니 조급하지 말 것 [1][3][4][5]

대표 발언 (자막 기반 실제 인용)

"랭기지 모델이 못 하는 게 다 피지컬 인텔리전스예요 … 실은 우리의 인공지능은 다 이 버추얼 세상에 있어요" — [3, 08:20]

"제가 목공을 배우고 싶은데 책을 한 열 권 읽으면 목공을 배울 수 있을까요 … 전화로 목공을 [배운다면] 절대 못 하잖아요. 왜냐면 말로 표현할 수가 없어요" — [5, 08:51]

"I'm aware of the bitter lesson of the machine learning … I'm not really sure how well we can actually collect all the physical data to solve that problem. I'm talking about demonstration data." (머신러닝의 '쓴 교훈'은 잘 안다 … 그러나 물리 데이터를, 특히 시연 데이터를 다 모아 이 문제를 풀 수 있을지는 확신하지 못한다) — [2, 58:13]

"7 million cars, 7 million robots … 7 million teleoperator … How many teleoperator robot pair do we need to match with the Tesla level, which haven't finished yet?" (700만 대 차량은 700만 대 로봇이자 700만 명의 원격조작자 … 아직 완성도 못한 Tesla 수준에 맞추려면 로봇-조작자 쌍이 얼마나 필요한가) — [2, 59:17~60:20]

"갑자기 다음날 그 바둑판을 한 칸씩 늘려요 … 컴퓨터는 데이터가 없으니까 백지가 돼 버리는 거예요 … 인공지능이라고 하는 말이 어떻게 보면 좀 과장된 표현이에요" — [6, 17:53]

영상별 핵심

[1] 유 퀴즈 온 더 블럭 EP.360 김상배 편 (tvN 2026-09-16 방송, 클립 3종: 디글 2026-09-17 11:27 / 유 퀴즈 온 더 튜브 2026-09-17 9:56, 19:41) — https://www.youtube.com/watch?v=UJSfFQDDoL4 · https://www.youtube.com/watch?v=jp2iDp5X8ro · https://www.youtube.com/watch?v=f3dN2XSEhvQ
  • 근황: MIT 휴직 후 Meta에서 휴머노이드 개발 총괄. 휴머노이드 투자 과열의 배경을 "LLM이 성숙하면서 이런 AI 기술이 휴머노이드에도 적용이 빨리 되지 않을까라는 기대감" 때문이라고 설명(기대감으로 표현) [UJSf 01:04]
  • Cheetah 초기 전기모터 폭발 일화: DARPA 스폰서(Marc Raibert 동석)가 오히려 전기모터의 파워에 놀라 펀딩으로 이어짐. "딱 10년 지났더니 유압 로봇이 다 사라졌습니다 … 보스턴 다이나믹스, 미국·중국의 [Unitree] … 점프하고 뛰는 로봇은 다 저 기술", 중국 휴머노이드도 전환 [UJSf 04:42]
  • 신중론 — 기술 확산의 병목: "어떤 기술이 뭐를 급격하게 변화시킨다고 해서 갑자기 산업이 발전하진 않는다 … 바틀넥이 있다", 서버·메모리·전선·전력 부족 사례. "너무 조급하지 않았으면" [UJSf 09:39~10:10]. 로봇의 일상 체감은 "아직 시간이 좀 걸릴 것"
  • 고용 변화: 1~1.5년 사이 스탠퍼드·MIT 컴퓨터과학 학부 졸업생이 취업을 못 하는 상황 [UJSf 08:37~09:07]
  • 목표: 일자리 대체와 노동력 부족 사이의 딜레마 인정. 그래도 노동력 부족·고령화 문제를 로봇으로 푸는 게 의미 있다며 "엘더리 케어 로봇"을 꿈으로 제시 [UJSf 10:41~11:11]
  • 공학자 창업의 맹점(게코 접착 기술 창업 실패): "시장에서부터 시작을 해야 되는데 … 개발을 해 놓고 이걸 어디다 쓸까" [UJSf 07:36]
[2] RI Seminar: Physical Intelligence and Cognitive Biases Toward AI (CMU Robotics Institute, 2025-04-11, 1:12:53, 영어 강연·영어 자동자막) — https://www.youtube.com/watch?v=U7dwzNMYO3w
  • 같은 제목의 Stanford Seminar(2025-03-07, 1:08:27, z-5F-b1t1C0)는 자막 다운로드가 HTTP 429로 실패해 미분석. 2019년부터 이어 온 대표 강연이라고 본인이 언급 [02:40]
  • 공장 로봇의 한계: Unimate 이후 50년간 "위치 정확도(100 micron)" 패러다임이 지배. "cannot use a robot outside of factory, uncontrolled environment" [03:43~04:16]. DARPA Robotics Challenge 로봇도 "겉은 슈퍼히어로, 속은 공장 로봇" [06:53]
  • Virtual vs Physical 서비스: 인스타그램이 사라져도 삶은 유지되지만 경찰·배달·쓰레기 수거가 사라지면 생존이 걸림. 노동력 부족·기후위기 같은 물리적 문제에 AI를 써야 함 [04:16~05:50]
  • 고유감각 구동기(proprioceptive actuation): Mini Cheetah가 "pretty much blueprint of all the quadruped robots nowadays in China". Boston Dynamics는 그의 제자가 합류한 뒤 유압 프로그램을 접음. Tesla·Figure AI는 아직 고강성·고정밀 위치제어를 고수한다고 언급 [12:42, 15:50~16:52]
  • RL vs MPC: RL은 "very powerful monster, doesn't listen to you", MPC(규칙·추론 기반)는 "obedient butler but cannot step out of the building". 배관공이 경험(데이터)과 추론을 섞듯 둘을 결합해야 함 → 모델 기반 보상 설계 RL, GPU 위 QP/MPC 병행 학습 [19:02~21:40]
  • 인지 편향 4가지: ① 사람 기준으로 판단(백플립 vs 균형 회복: 3일 vs 10명이 2년), ② 사람도 자기가 무엇을 하는지 모름(혀·손가락 궤적, 머리 없는 닭 Mike, 사과 파지 7초 슬로모션), ③ 언어는 극도로 추상적("spread", "clean more"), ④ 인간은 정량이 아닌 정성 판단을 함(방 청소·안전운전의 비용함수를 정의할 수 없음) [24:14~51:26]
  • 데이터 회의론
  • "Do you know any LLM operating by itself with no human intervention? … not a single hardware 100% run by ML or AI at this point in the world" [53:01]
  • 가상 세계에는 실행 불확실성이 없고 물리 세계는 "every 100 millisecond is uncertainty" [54:05]
  • 언어는 문화라서 모방이 맞지만 물리는 "you need to obey the physical law"이며 모방 대상이 아님 [51:26~51:59]
  • 모방학습 데모는 "Indiana Jones를 100번 본 것", 시나리오 밖에서는 무력 [55:38]. 100만 명 보행 데이터에 넘어졌다 회복하는 장면이 몇이나 되나 [56:40~57:11]
  • Tesla 700만 대 비교 [59:17~60:20]
  • Oscar Wilde 인용: "Imitation is not true learning … memorizing recipe" [58:45]
  • 대안: 인간 언어로 표현할 수 없는 하위 계층(반사·그라운딩 모듈)을 새로 만드는 계층형 구조. 계획 없이 실시간 파지. "machine learning has to be accountable … if you have a giant model dealing with everything, I don't think we can do that". 결론은 elder care가 가장 시급하다는 것 [60:52~62:27]
  • 학생 조언: 유행(데이터 기반)만 좇지 말고 데이터 기반과 규칙 기반의 장단점, 결합법을 생각하라 [72:17]
[3] 로봇전문가 MIT 교수가 알려주는 AI시장과 전망 [조은주의 큐(Q)] (디지틀조선TV, 2024-07-19, 11:38) — https://www.youtube.com/watch?v=7D__bOVUX9I
  • 한국이 집중할 분야: 영어 LLM은 구글·OpenAI가 이미 데이터를 선점함. "제조[업이] 강한 우리나라의 장점을 이용해서 하드웨어 … 소프트웨어가 붙을 수 있는 … 고부가가치 제조업", "하드웨어만 … 소프트웨어만 하는 건 금방 따라잡힐 수가 있어요" [01:02~01:34]
  • AI 위험론에 대해: 의식 같은 걱정은 크지 않음. AI는 "인간들이 만들어 낸 인포메이션을 그냥 다 모아서 따라하는 따라쟁이". 진짜 걱정은 자동화로 인한 권력 집중(100명이 하던 일을 3명이 하면 견제가 사라짐) [02:04~03:36]
  • 노동 역설: 사람들이 원하는 건 "빨래·집안일 대신해 주는 로봇"인데 AI는 글·그림(화이트칼라)을 먼저 위협. 정작 인력이 부족한 곳은 조선(팬데믹 후 반토막)·자동차 공장 같은 물리 노동 [07:15~08:20]
  • 정의: "랭기지 모델이 못 하는 게 다 피지컬 인텔리전스", 버추얼 세상은 정보 교환에서 끝남 [08:20~08:52]
  • 잼 바르기 예시: 말로는 가르칠 수 없고 보여 줘야 함(거울뉴런). "그게 지금 로보틱스[에는] 존재하진 않아요" [09:23~10:32]
  • 그리퍼(파지) 기술은 "4~50년 동안 연구를 해 왔는데 발전이 그렇게 빠르진 않고", 그래도 "지금은 때가 무르익었다"고 보고 직접 연구 중 [11:03]
[4] 전 세계 로봇 판도를 뒤집어버린 한국인 MIT 교수 [조은주의 큐(Q)] (디지틀조선TV, 2024-07-26, 9:34) — https://www.youtube.com/watch?v=IXtqYAw-eJM
  • MIT Cheetah 구동기: 공장용 위치제어 로봇이 아니라 "충격 흡수도 하고 말랑말랑해질 수도 있고 바깥에 돌아다니면서 쓸 수 있는 구동기"를 만든 것이 핵심 의미. "지금은 거의 제가 만든 패러다임이 전 세계에 다 쓰이고" [03:40~04:10]
  • 전기모터로 점프·착지·달리기를 한 최초 로봇. 유압은 굴삭기·건설기계 기술이며 Boston Dynamics 신형 휴머노이드도 전기식으로 전환 [00:34~02:38]
  • 목표: 노동력 부족과 고령화에 대한 답. "지금 내가 이걸 시작해서 … 빨리 솔루션을 내지 않으면 사회 불안이 왔을 때 대책이 없을 수도" [05:13~05:45]
  • 청년에게: 미중 사이에 낀 상황이어도 "제조업이 강해서 … 망하는 거 아니냐 그렇게 생각하지 말고 제조업을 갖고 있는 걸 최대한 활용해서 … AI를 접목" [08:52]
  • "정답은 없고 방향은 있다"(꿈을 명사가 아니라 동사로)
[5] 로봇이 미래 사회의 노동력을 대체할 수 있을까? (SBS D FORUM SDF, 2024-07-12, 10:47) — https://www.youtube.com/watch?v=o3JbAzfXNrw
  • 10년 사이 변화: 4족 로봇을 만들어 파는 회사만 약 30개. 연구실은 휴머노이드와 손(그리퍼) 연구로 확장 [00:31~01:03]
  • 전기모터 방식으로 효율 10배 이상, 가격은 훨씬 낮아짐. "새로운 기술을 개발하기보다는 사람들이 몰랐던 부분을 보여준 것" [01:33~02:35]
  • 한국 로봇산업: 협동로봇·공장용·AMR은 "세계 어디 내놔도 뒤처지지 않음". 부족한 것은 상위 AI. 로봇이 이해하고 "사람이 프로그램 안 하고 말로 알아듣는 세상"이 와야 공장 적용이 확대됨 [04:41~05:12]
  • 휴머노이드는 꼭 등장할 것. 박스를 나르는 바퀴 로봇을 인격체로 대하긴 어렵고 사람과 얽혀 살려면 사람 모양으로 갈 것이라는 견해 [06:45~07:15]
  • 확산 경로: 협동로봇 시장 연 50% 성장. 자동화가 가능했지만 비싸서 안 하던 분야가 "로봇 쓰는 게 더 싸다"로 계속 넘어감 [07:15~07:46]
  • 피지컬 인텔리전스라는 말은 "버추얼 인텔리전스와 차별하기 위해서 만든 말"(목공 비유) [08:51~09:53]. 하나의 뉴스로 세상이 바뀐다고 속단하지 말라는 당부 [10:25]
[6] 미래 8강 — 김상배 '로봇, 너도 인간이냐?' (교양 Voyage, 업로드 2024-12-02, 1:03:48) — https://www.youtube.com/watch?v=RgW_Za9zUoc
  • 주의: 업로드는 2024년이지만 자막에 "2018년에 쓰는", "2020년 올림픽" 언급이 있어 2018년경 방송(강연 프로그램) 재업로드로 추정. 최신 견해 근거로는 보조적으로만 사용할 것
  • 로봇 철학: "로봇은 사람이 못하는 일을 해야 된다 … 위험하고 지저분한" 일, 궁극 목표는 화재 현장 투입 로봇 [08:30~09:00]
  • 알파고 비판: 바둑은 목적이 정량화된 쉬운 문제. 바둑판을 한 칸 늘리면 "데이터가 없으니까 백지", 이세돌은 이해하므로 적응. "인공지능이라는 말이 과장된 표현" [17:22~17:53]
  • 군용 4족 로봇(LS3) 중단 일화: 군인들 말로는 "너무 멍청하다", 바위를 피하지 못하고 멈춰 사람이 옮겨 줘야 해서 "짐을 덜려다 짐이 늘었다". 상식 부족 [19:03~20:05]
  • Rodney Brooks 인용: "동산 언덕을 걸어 올라가면서 … 언젠가는 달에 닿겠지라고 생각하는 거랑 똑같다". 지능을 한 자로 재는 것 자체가 오류 [22:08~23:11]
  • 거울뉴런·의인화: 로봇이 걷어차일 때의 동정, 알파고의 승리로 똑똑하다고 판단하는 현상. 사람 기준의 비이성적 판단 [23:43~24:48]
  • 인간 몸 이해: 눈의 고해상도 영역은 엄지 두 개 크기, 투구에 근육 700개를 협응. "똑같이 하면 절대 안 되고 … 원리를 재구성" [39:05~46:30]
  • 필드 응용 직결: 정보 서비스는 곧 포화되고, 물리 서비스(배달·노인 돌봄·농업·건설·조선)는 "노동이 굉장히 많은 거에 비해서 … 기술이 많이 안 들어왔어요", 폭염 같은 기후 제약도 받음 [46:30~47:34]
  • DARPA Robotics Challenge 넘어짐 영상 분석: "공장에서 쓰려고 로봇을 개발했어요 … 공장용 로봇은 모든 정보가 이미 있어요 … 재난 상황은 … 돌발 상황이 벌어지니까 위치를 알아 갖고는 안 되는 거예요" [48:35~49:38]
  • 대안: 충격을 흡수하는 Cheetah, 카메라 없이 발의 감각만으로 계단 오르기, 76cm 점프, 힘을 느끼는 원격조작(force-feedback teleoperation). 원격 작업자가 노인 가정·재난 현장 로봇에 로그인하는 시나리오. 소방관이 조종하는 재난 로봇 [50:09~58:03]
  • 결론: 고령화·노동력 감소 해법은 "휴머노이드를 만들어서 도와주는 게 아닐 확률이 많을 것 같고", 힘 조절이 되고 돌아다닐 수 있는 로봇 [60:54~61:24]

강연 활용 포인트

  • 신중론 정확히 포착(인용 순서 추천) 1. 정의: "랭기지 모델이 못 하는 게 다 피지컬 인텔리전스" [3, 08:20] + 목공 비유 [5, 08:51] 2. LLM과 다른 이유: 언어는 문화라서 모방이 맞지만 물리는 법칙을 따라야 함 [2, 51:26]. 가상 세계에는 실행 불확실성이 없지만 물리 세계는 100ms마다 불확실성이 있음 [2, 54:05] 3. 데이터 부족: bitter lesson은 알지만 시연 데이터로 풀 수 있을지 확신하지 못함 [2, 58:13]. Tesla 700만 대 비교 [2, 59:17]. 100만 명 보행 데이터에 회복 장면이 없음 [2, 57:11] 4. 과열 경계: 인지 편향(의인화·모라벡) [2][6], 기술 확산에는 병목이 있으니 조급해하지 말 것 [1, UJSf 09:39]
  • "피지컬AI는 갑자기 나온 것이 아님" 근거
  • 공장 로봇 50년 역사(Unimate 1961, 위치제어 100 micron)에서 출발 [2, 03:43], [6, 14:45]
  • 김상배 본인이 2019년부터 같은 주제로 강연 [2, 02:40]. 2018년경 방송[6]에서도 "물리적 서비스가 앞으로 중요"라고 발언
  • "피지컬 인텔리전스라는 말은 버추얼과 차별하기 위해서 만든 말" [5, 08:51]
  • 산업 무인화 요구의 연장: 조선 인력 반토막, 자동차 공장 인력 부족 [3, 07:46]. 협동로봇 연 50% 성장, 비싸서 못 하던 자동화가 "로봇 쓰는 게 더 싸다"로 전환 [5, 07:15]. 노동력 부족·고령화 대응이 사명 [1][4]
  • 필드로봇과 직결되는 발언 (강연 핵심 후보)
  • "공장용 로봇은 모든 정보가 이미 있어요 … 재난 상황은 … 돌발 상황 … 위치를 알아 갖고는 안 되는 거예요" [6, 49:07~49:38]. 공장 → 필드 전환의 본질을 설명하는 데 가장 적합
  • "cannot use a robot outside of factory uncontrolled environment" [2, 04:16], 외부 환경은 "inches 단위로 틀림"(공장 100 micron 대비) [2, 07:25]
  • 농업·건설·조선은 노동 집약인데 기술이 덜 들어왔고 기후(폭염) 제약까지 있음 [6, 47:01~47:34]. 필드로봇의 대상 산업과 일치
  • 군용 4족 로봇 실패 일화 [6, 19:34]. 필드에서 "상식·강건성"이 중요하다는 근거
  • 힘 피드백 원격조작으로 숙련 작업자(소방관 등)를 원격 투입하는 시나리오 [6, 57:00]. 필드로봇의 현실적 경로(완전자율 이전 단계)로 활용 가능
  • 학습 기반 전환에 대한 김상배식 단서: 학습 전환 자체는 인정함(RL의 위력, VLA 연구 언급 [2, 46:44]). 다만 "데이터 기반 + 물리 모델·추론 기반 결합", "계층형 + 책임성(accountable)"을 요구 [2, 19:34~21:40, 61:54]. 장병탁의 "데이터면 다 된다"와 대비해 강연에서 '학습 기반 전환 + 물리 기반 보완'이라는 균형 메시지로 활용 가능
  • 한국 전략 공통분모(두 사람 일치점): 영어 LLM 경쟁 대신 제조 강점과 하드웨어·소프트웨어 융합 [김 3, 01:34], [장 2·6]. 김상배는 "로봇이 말로 알아듣는 상위 AI가 우리가 따라가야 할 부분" [5, 05:12]이라며 부족한 쪽을 지목함

부록: 검토했으나 제외한 영상

  • 장병탁: 서가명강 단편들(2020년 전후·10분 내외 일반 교양), GGGF 2023, 카오스 강연(2020~2021, 피지컬AI 이전), 산업통상부 K-휴머노이드 연합 홍보영상(Q29rTOl2HKU, 본인 발언 비중 미확인), 박영선TV(-VAfFmiK8Uw, [2]와 동일 대담) — 최신성·중복 사유
  • 김상배: Stanford Seminar z-5F-b1t1C0(자막 429 오류, [2]와 동일 제목), WCBM@RSS 2025(MULWxsqG5Y4, 미분석), TEDxMIT·DEVIEW 2015·2021 로봇미래전략컨퍼런스(구버전), 쏙똭톡톡 3AmtQCRH8rg·요지경 경제TV -3CUFq5wlU0(제목상 한재권 교수 등 타인 중심, 본인 미등장 가능성) — 미분석

김병수 (로보티즈 대표 — 다이나믹셀·AI 워커·AI 사피엔스)

한 줄 요약

  • "로커모션은 풀렸고 매니퓰레이션(손)은 미해결, 그 열쇠는 액션 데이터" — 액추에이터 회사가 손·심투리얼 액추에이터·데이터 팩토리까지 수직 통합해야 한다는 부품사 관점의 피지컬 AI 전략

반복되는 핵심 주장

  1. 로커모션은 RL로 해결, 매니퓰레이션은 미해결 → 손이 병목 — 보행은 MIT 김상배 교수 공개 루틴+NVIDIA Isaac으로 "솔루션이 나와 최적화 문제"로 이행, 손은 6자유도 수준이 대부분이라 학습 데이터 자체가 불충분, 20자유도 핸드 출시 근거 — [1][2][3][4][5]
  2. 액션 데이터 = 피지컬 AI 시대의 핵심 자산(디지털 시대의 '고객 정보') — 웹·SNS에서 구할 수 없는 데이터, 확보 경쟁이 "피지컬 AI의 50%", 수요 기업이 자사 데이터를 타사(특히 중국) 로봇에 쌓기를 거부 → 맞춤형 휴머노이드 수요 — [1][2][4][5][6]
  3. 교시(티칭) → 텔레오퍼레이션 모방학습으로의 전환 — 위치·각도(DH 파라미터) 저장 방식에서 카메라+텔레오퍼레이션 데이터 학습 방식으로 이행, 텔레오퍼레이션과 자율은 별개가 아니라 "사람 개입 비율이 줄어드는 연속선" — [1][4][5]
  4. 심투리얼을 위한 '학습·추론용 액추에이터'와 부품 내재화 — 시뮬레이터 기본 단위가 위치가 아니라 토크에 가까움, 토크 구동·심투리얼 갭 축소를 액추에이터 안에 구현(QDD/Q시리즈), 감속기까지 자체 생산해야 가능, 액추에이터만 좋으면 24시간 안에 보행 — [2][4][5]
  5. 중국과 정면 경쟁 + 한국형 해법 — 2025년 휴머노이드 생산의 대부분이 중국산(영상[2]: 약 14,000대 중 12,900대 / 영상[5]: 약 13,900대 중 12,000대 — 발언마다 수치 상이), 중국 정부 피지컬 AI 5년 200조 원, "중국에 못 팔면 이 사업 하면 안 된다", 우즈베키스탄 공장(인건비·정부 의지)과 코스닥 기술특례 상장을 한국의 자본 조달 경로로 제시 — [2][3][4][5]

대표 발언 (자막 기반 실제 인용)

"그 데이터는 아까 LLM처럼 그 SNS에서 구할 수 있는 데이터가 아니거든요. 그래서 저 데이터를 누가 많이 확보하느냐가 피지컬의 한 50% 정도는 좀 먹어 가는 그런 얘기라고 보고 있고요." — [1, 28:01]

"로커모션은 지금 RL에 의해서 풀렸다고 생각하시면 됩니다. (…) 근데 매니퓰레이션은 아직 풀리지 않았다고 보는 게 맞을 거 같아요." — [1, 17:32]

"구글이 공장 없잖아요. 오픈AI 공장 없잖아요. 그니까 액추에이터 만든 회사가 그것까지 해야 된다라고 보는 거죠." — [4, 54:08] (데이터 생산 주체에 대한 답변)

"디지털 시대에 저희가 그 가장 중요했던 게 고객의 정보였어요. (…) 근데 이제 피지컬에서는 액션 데이터가 가장 중요한 자산이 될 가능성이 굉장히 높습니다." — [5, 20:15]

"그게 결이 다른 게 아니고 같은 거라는 거예요. 거기서 이제 사람이 개입하는 비율이 얼마나 줄어드느냐를 보는 거지." — [4, 61:57] (텔레오퍼레이션 논란에 대한 답변)

영상별 핵심

[1] '아이포럼 2025' 김병수 대표 '고철에 담은 생명, Physical AI' (아이뉴스24, 2025-10-31, 30:05) — https://www.youtube.com/watch?v=dnoSngy3o1Y
  • 피지컬 AI 확신의 계기 = 액추에이터 판매 데이터: 2024년 판매량 전년 대비 약 45% 증가(주문은 그 이상), 대부분 휴머노이드의 특정 부위 연구개발용
  • "AI를 가장 의심한 건 AI 전공자, 휴머노이드를 가장 의심한 건 로봇 개발자" — 2015년 휴머노이드 개발 중단을 "CEO 자격이 있나" 반성 사례로 고백
  • 로커모션(RL로 해결)과 매니퓰레이션(미해결) 구분, 모라벡의 역설·호문쿨루스로 손의 중요성 설명 → "손으로 핸들링하는 것만 하면 인간이 할 수 있는 대부분 가능"
  • 교시(티칭 펜던트·DH 파라미터) → 카메라+텔레오퍼레이션 따라하기 학습, LLM에서 VLA로 확장, 메타 글래스를 비전·액션 데이터 수집 수단으로 해석
  • 20자유도 핸드(원래 21자유도 계획) 학회 공개 후 OpenAI·구글·애플 등 선주문, 액션 청크 기반 모방학습은 "아직 답이라고 보이지 않음"
[2] 휴머노이드 90%가 중국산? 한국 로봇기업의 반격이 시작됐다 / 박정윤의 파워인터뷰 (한국경제TV뉴스, 2026-09-01, 26:23) — https://www.youtube.com/watch?v=E1Zciaa8JiE
  • 사업모델 = 휴머노이드가 아니라 '액추에이터 기반 휴머노이드 솔루션': 대기업은 자사 로봇을 원함, 이유는 데이터("아마존·쿠팡이 유저 리스트를 공개하지 않는 것과 같음")
  • 중국 휴머노이드 기업은 액추에이터의 기계부만 쓰고 펌웨어는 자체 최적화 → 로보티즈는 AI용 파라미터·프로토콜을 액추에이터 안에 내장한 것이 차별점
  • 액추에이터 원가 비중 통상 60%로 언급, 휴머노이드 1대에 약 30개 이상 탑재, 1회 충전 4시간 이상 구동 시험
  • 2025년 휴머노이드 약 14,000대 중 12,900대 중국산, 미국 액추에이터 수요는 중국보다 1~2년 늦게 형성 전망
  • 생산: 2025년 22만 개 중 약 8만 개 중국 판매, 2026년 상반기 9만 개 이상 중국 판매, 2026년 목표 40~50만 개, 우즈베키스탄 공장 첫해 100만 대·2031년 연 500만 대 계획, "3년 안에 판매대·공장에서 휴머노이드"
[3] 2026년 신년사 (ROBOTIS 공식, 2025-12-31, 17:21) — https://www.youtube.com/watch?v=Y2c-pptmR5Q
  • "피지컬 AI 이전 로봇 회사는 FA 회사" — 화낙 매출 약 8조 원·점유율 약 11% → FA 시장 전체 80조 원 미만, 피지컬 AI 이후 시장은 인간 육체노동 시장 전체로 확장
  • 기존 산업로봇은 "위치와 방향이 정의될 수 있는 일"만 가능, 구속 조건 없는 물체만 처리 가능했던 한계 지적
  • 고객 = 로봇 파운데이션 모델을 만드는 빅테크, 이들은 하드웨어·소프트웨어·부품 최적화와 데이터를 공급할 파트너를 찾는 중
  • "파운데이션 모델이 아직 안 나왔다", 매니퓰레이션이 완성돼야 수요가 생김 → 빅테크 대량 수주 오해 경계
  • 휴머노이드 관절에 기존 사이클로이드·하모닉 감속기 적용 사례 없음 → 관절 업그레이드가 진행 중, 미국 '안드로이드 진영'의 제3국 하드웨어 공급자 역할 노림
[4] K-로봇의 본진 로보티즈 기업탐방…감속기 액추에이터부터 로봇손, 로봇 배달까지 (와이스트릿, 2026-03-20, 1:13:10) — https://www.youtube.com/watch?v=rxGzWKlABEg
  • AI 워커(세미 휴머노이드) 시연: 구동+비전 데이터를 패키지로 저장 → 웨이트 학습 → 파운데이션 모델에 적용, "AI로 움직이는 로봇은 건들거린다(MPC 로봇은 칼각)"
  • 우즈베키스탄 = "데이터 팩토리", 현재 약 100명이 데이터 생산 중이며 10배 확대 필요, 미국 텔레오퍼레이터 일당 500~600달러 vs 우즈베키스탄 월급 수준
  • 밸류체인 변화: 산업용 로봇의 파트·세트·인티그레이터 3분할이 피지컬 AI에서는 하나로 수렴, 이유는 로봇 성능의 액추에이터 의존도
  • 액추에이터 생산 2023년 12만 개 → 2024년 16만 개 → 2025년 22만 개, 주문은 생산 능력의 2배 이상, 보스턴 다이나믹스에 약 700개 납품(주로 텔레오퍼레이션용 마스터 장치)
  • 상업용(전문 서비스) 우선론: "돈의 숫자로 분명하게 나올 수 있는 서비스에 들어간 로봇만 성공", 소셜·컴패니언 로봇 성공률 0%, 공장·상업에서 성공하지 못하면 가정은 없음
[5] 피지컬AI 프론티어 강국 신기술 전략포럼 [시즌3] — 발제 "피지컬 AI와 휴머노이드 기술 전략" (미디어협동조합 국민TV, 2026-08-13, 발제 구간 04:13~25:36 / 전체 2:26:50) — https://www.youtube.com/watch?v=jjIrlZwkz2M
  • 미국 = 빅테크 풀스택, 중국 = 정부 주도 퍼포먼스형, 한국의 질문 = "무슨 자원으로 휴머노이드를 개발할 것인가"
  • 텔레오퍼레이션 데이터 학습 방식이 "피지컬 AI의 한 70% 정도는 맞다", 세미 휴머노이드(양팔) 수요 증가
  • AI 사피엔스: 3월 조립 시작 → 4월 구동 확인, 유니트리 G1과 유사 크기(130cm vs 135cm) 비교 시험에서 "조금 더 우수한 수준"
  • 중국 성(省)별 조사 결과 피지컬 AI 5년 200조 원 → 국가 예산으로는 대응 불가, 한국의 해법은 코스닥 기술특례(로보티즈 2018년 로봇 1호), 코스피 개방 요구, 유니트리 21조·피규어 54조 원 밸류 비교
  • 맺음말: 말·마부·마차 개발 세 부류 모두 패배하고 자동차가 승리 → 피지컬 AI는 과거 규제·기술 관념이 아닌 새 개념으로 접근 필요
[6] 엔비디아·로보티즈, 로봇 동맹…핵심은 '액션 데이터' (한국경제TV뉴스, 2026-09-22, 3:55) — https://www.youtube.com/watch?v=_3T29XsrwsU
  • 뉴스 리포트(본인 발언은 짧은 인용만): 휴머노이드 서밋 서울 2026에서 NVIDIA Isaac GR00T를 AI 사피엔스에 적용한 공동 워크숍
  • 김병수 발언: NVIDIA가 Cosmos 등을 내놓고 로보티즈는 실제 하드웨어를 갖고 있어 "그에 맞춰 파인튜닝을 할 수 있는" 구조
  • 우즈베키스탄 로봇 2,000대 투입으로 마찰·충돌 등 실환경 행동 데이터를 확보해 빅테크에 판매하는 구상, 현재 매출의 98%는 액추에이터

제외: [Doz_CkhJKzo] "로보티즈 김병수대표 인터뷰…AI와 관절을 잇는 기술!"(2026-10-01) — 본인 미등장, 인터뷰 내용을 해설하는 내레이션 영상

강연 활용 포인트

  • 현장 데이터: "피지컬 AI의 50%는 데이터 확보", "액션 데이터 = 디지털 시대의 고객 정보"([1][5]) → 필드 현장 데이터가 경쟁력의 원천이라는 메시지의 산업계 근거
  • 학습 기반 전환: 교시(티칭 펜던트·DH 파라미터) → 텔레오퍼레이션 모방학습([1][5]), MPC "칼각" vs 학습 로봇 "건들거림"([4]), 시뮬레이터는 위치가 아니라 토크 단위([4]) → 제어 패러다임 전환을 부품사 시각으로 보여 주는 사례
  • 무인화 요구의 연장: "FA 회사 → 노동 시장 전체"([3]), "숫자로 환산되는 노동에 들어간 로봇만 성공"([4]) → 산업 무인화의 경제 논리가 피지컬 AI로 확장되는 흐름
  • 필드 적용 시사: 로커모션은 해결, 조작이 병목 → 필드로봇에서도 이동보다 작업(조작) 지능과 데이터가 차별점이라는 논거
  • 한국 전략: 2025년 휴머노이드 대부분 중국산(약 1.2~1.3만 대/1.4만 대), 중국 5년 200조 원 대비 한국은 부품 경쟁력+자본시장 경로([2][5]), 데이터 주권 때문에 자사 로봇 수요 존재([2][5])

류중희 (리얼월드 RLWRLD 대표 — 로봇 파운데이션 모델, 前 퓨처플레이·올라웍스 창업자)

한 줄 요약

  • "AI의 본질은 컴퓨팅이 아니라 데이터, 피지컬 AI 데이터는 공장에 있다" — 제조업 강국 한국·일본이 현장 숙련 데이터로 로봇 파운데이션 모델 3강에 들 수 있다는 데이터 주권·제조업 소프트웨어화 전략

반복되는 핵심 주장

  1. AI의 본질은 데이터 → 피지컬 AI 데이터는 웹이 아니라 공장에 있음 — LLM은 웹 텍스트로 가능했으나 로봇 데이터는 "공장에서 사람들이 일하는 데이터부터" 수집 필요, 그래서 GPU보다 리얼월드 데이터가 승부처 — [1][2][3][4][5][6]
  2. "미국엔 공장이 없다" → 제조업 국가(한·일·중)만 데이터에 빨대를 꽂을 수 있음 — 소거법으로 중국 제외 시 한국이 3위 후보, 한·일은 세계 최고 수준 숙련 인력 보유 — [1][2][3][6]
  3. 인구 절벽·자동화 공백이 절박한 수요 — 한·일 공장 자동화는 약 50%, 나머지는 사람 손, 편의점·호텔·물류는 해외 이전 불가, 3교대 → 로봇 지불 의사가 매우 큼 — [1][2][3][4]
  4. 손재주(덱스터리티)와 상황 대응 지능이 상업화의 핵심 — 산업로봇은 "프리 프로그래밍한 순서대로만" 동작, 유연 케이블·시트 커버처럼 형상이 매번 다른 작업은 지능 필요, 시스템 1(운동신경)+시스템 2(추론) 결합 — [1][2][3][4]
  5. 제조업 노하우의 소프트웨어화 = 한국 제조업의 다음 단계 — 노하우를 AI화해 무인 공장을 어디든 배포, 해외 빅테크에 종속되면 제조업 역량 자체가 빅테크의 일부가 됨, 연합군(한·일·민관)이 필요 — [1][5][6]

대표 발언 (자막 기반 실제 인용)

"이 피지컬 AI 파운데이션 모델은 LLM보다 만들기가 훨씬 어렵습니다. 왜냐면 언어 모델은 웹에 있는 언어 데이터를 이용해서 쉽게 개발할 수 있는 반면에 피지컬 AI는 공장에서 사람들이 일하고 있는 데이터부터 모아야 됩니다. 또 그렇기 때문에 우리나라가 또 경쟁력이 있다고도 생각합니다." — [5, 00:02]

"미국도 피지컬 AI를 하기에 좋은 국가가 아니에요. 미국에 공장이 없잖아요." — [3, 11:48]

"결국 이 침투할 수 있는 제조업 강국, 소위 말하는 한국·일본·중국 외에는 이 빨대를 꽂을 수 있는 국가가 거의 없어요." — [2, 18:23]

"이 제조업 노하우 자체를 AI화해서 그럼 완전 무인으로 돌아가는 이 공장을 전 세계 어디든 배포할 수 있게 만드는 거." — [1, 41:47]

"자동화도 완벽하게 자동화가 되어 있지 않아요. 한 50%만 자동화가 되어 있거든요. 나머지 50%는 사람이 일을 해왔어요. 왜냐하면 자동화된 산업용 로봇이 할 수 없는 일이 너무 많았기 때문에." — [3, 14:23]

영상별 핵심

[1] 시드투자 210억 한일합작 로봇회사 리얼월드ㅣ류중희 CEO (EO Korea, 2025-04-27, 1:04:47) — https://www.youtube.com/watch?v=7M-qi5i3T1I
  • 창업 계기: 서울과고 동문 컨퍼런스 AI 세션의 결론이 "GPU 하나 살 돈이 없어서 망할 것" → 파운데이션 모델 자체가 목표인 회사가 있어야 연구 자원 순환이 생긴다는 판단
  • "AI의 본질은 컴퓨팅이 아니라 데이터", LLM에서 영어권이 앞선 이유 = 자국어 데이터, 한·일이 가진 좋은 데이터 = 제조 현장 데이터 → 리얼월드 데이터로 리얼월드 인텔리전스
  • 기존 RL·모방학습 로봇 = 운동신경(시스템 1), 지구본에서 한국 가리키기 같은 추론(시스템 2)까지 개발 목표
  • 로보틱스 인텔리전스 논문 수 한국 세계 3위·KAIST 3위(CMU→Skild AI, UC버클리→Physical Intelligence 사례 대비), 교수 6명+랩 학생 풀타임 구조, 시드 210억 원(해시드·미래에셋·글로벌브레인, ANA·KDDI·미쓰이화학 등)
  • 목표: 육체노동이 AI화될 때 최대 점유율, "공장에서 로봇을 동작시킨다면 무조건 리얼월드 AI를 쓸 수밖에 없게", 한·일은 "로봇과 AI에게 제조업을 전수해 줄 의무"
[2] [킥] 파격인가? 파국인가? 소름끼치게 인간과 닮은 휴머노이드 로봇 시대 곧 온다! (한국경제TV, 2025-03-04, 32:25, 위로보틱스 김용재 대표 공동 출연) — https://www.youtube.com/watch?v=V0BkmrerNPM
  • 빅테크 휴머노이드 진입 이유 3가지: 생성형 AI 방법론의 로봇 적용 가능성, 육체노동 종말(인구 절벽), 범용 폼팩터로 "하나 만들어 여러 곳에 쓰는" 사업성
  • 유니트리도 공장에서 사람이 한 땀 한 땀 조립 → 대량 보급(매스 어댑션)은 전 세계가 아직 걸음마 단계
  • Cosmos·Genesis 등 월드 모델 시뮬레이터 = 로봇 지능이 "어디서든 나올 수 있는 토양", NVIDIA의 CUDA식 생태계 전략
  • 데이터 확보 4가지 경로(텔레오퍼레이션, 카메라·라이다 손동작 인식, 영상, 시뮬레이션) — 정답 경쟁이 아니라 "다 때려 박아 임계점을 넘는 단계"
  • 로봇 첫 진입 공간은 가정이 아닌 B2B 공장, "골든타임 놓쳤다"에 반대, CSRankings 로보틱스 KAIST 3위 근거로 연구자 창업·대기업 지원 문화 촉구
[3] 082 매드 | "한국은 이미 늦었다고요?" 패배주의에 빠진 한국에 필요한 건 '매드' (FACE DRAWING SEOUL, 2025-11-30, 42:31) — https://www.youtube.com/watch?v=pSzyhycTxbw
  • "로봇 하드웨어와 로봇 지능은 공학적으로 완전히 다른 일"(스마트폰 vs ChatGPT 비유) → 리얼월드는 하드웨어를 만들지 않는 AI 회사, 하드웨어는 위로보틱스 '알렉스'
  • "돈·천재·선행 경험" 같은 실리콘밸리 해자는 프로파간다, 피지컬 AI 모델은 LLM보다 작아도 동작 → GPU보다 실세계 데이터 수집이 관건
  • 손 하나가 자동차보다 자유도가 높음(사람 약 22자유도) → 휴머노이드 손재주 AI는 자율주행 AI보다 복잡
  • 사람 수준 대비 현재 위치 "100 중 5 정도", 하드웨어·소프트웨어 공진화 필요
  • 일본 로손(KDDI 인수) 사례: 편의점은 동사무소 역할·시골 출점 필요, "로봇은 세 사람 인건비를 생각해야" → 지불 의사가 연간 억 단위, "시장은 큰돈을 쓰려 하는데 기술이 못 따라가는 상황"
[4] MSC 2026 | 패널 토크: Microsoft Agentic AI Startup Alliance (Microsoft Korea, 2026-04-08, 1:11:53) — https://www.youtube.com/watch?v=OeZpogx7BKM
  • 산업로봇은 "미리 프로그래밍한 순서대로밖에" 동작 → 고무 물체·돌발 상황 같은 임기응변 불가, LLM→VLM→VLA를 "할머니-딸-손녀" 계보로 설명
  • 예상과 달리 수요 1순위는 제조보다 서비스(호텔·편의점·물류), 현재 협력: 로손, 롯데호텔, CJ, 비공개 글로벌 제조사
  • 공장은 차체 핸들링 등은 자동화 완료, 차체 안 플라스틱 부품 조립·시트 커버 씌우기·유연 케이블 조립은 여전히 사람 → "상황을 프리 프로그래밍할 수 없기 때문"
  • 데이터 규모: 고해상도 영상+로봇 궤적+물리 움직임+촉각을 타임스탬프 동기화해 수집 → 실시간 학습 가능한 클라우드 스토리지가 필수
  • "트랜스포머가 로보틱스에 처음 들어온 것 자체가 혁신", 다만 느림 → VLA(시스템 2)+고전 제어(빠름) 결합 구조가 화두, "정답은 트랜스포머 기반 VLA만은 아니다"
[5] 류중희 리얼월드 대표 발언 — 2026.6.29 대한민국 대도약 3대 메가프로젝트 국민보고회 (한국유통방송, 2026-06-30, 3:04) — https://www.youtube.com/watch?v=hW70j5JrmOY
  • 휴머노이드를 공장에서 일하게 하는 것은 결국 파운데이션 모델, 피지컬 AI 모델은 공장 데이터부터 모아야 해서 LLM보다 어렵지만 그래서 한국에 경쟁력
  • 데이터 수집 강소기업·대기업, 모델 기업, 컴퓨팅 기업이 각자 고립 → "연합군(어벤져스)" 필요
  • 오픈소스 공개한 자사 파운데이션 모델이 "NVIDIA를 이기고 전 세계 1위", 설립 2년 스타트업
  • LLM 독자 파운데이션 모델 프로젝트처럼 피지컬 AI도 민간 연합+정부 지원 생태계 제언
[6] [리얼퓨처] "왜 지금? 왜 창업?" 류중희가 직접 말하는 새로운 도전 : ep 4-2 (FuturePlay 퓨처플레이, 2025-04-21, 34:15) — https://www.youtube.com/watch?v=QNBzL_qlBMo
  • 평생의 가치 = "다시는 대한민국 공돌이를 무시하지 마라", 해외 지인들의 "한국엔 왜 파운데이션 모델 회사가 없나" 질문이 동기
  • LLM은 이미 늦은 판, 로보틱스 파운데이션 모델은 "이제 막 열린" 판(NVIDIA GR00T 등장 직후), 모델 구성 방식의 정답도 미정
  • 로봇 데이터는 "완전 시공창" — 텔레오퍼레이션·모션 캡처는 크롤러로 해결되지 않음 → 한·일 제조업 협력을 받아 공장에서 직접 수집하는 방식이 승산
  • "지금 못 하면 기차는 떠난다" — 늦으면 제조업 데이터로 AI를 만들 기회를 미국에 "상납"
  • Physical Intelligence π0 → GR00T 등장으로 "전쟁에 불이 붙었다", 지금이 골든타임

제외: [-S1DzNIX_tg] SK AI SUMMIT 2025 RX 세션(2025-11-20) — 발표자가 리얼월드 이강욱(본인 아님). 참고로 숙련 작업자 데이터·RX 컨설팅·LaaS(3~5년) 사업모델 설명 포함 제외: [a-zJeJ-2Cdk] "대통령·삼성·SK 회장 앞에서 엔비디아 이겼습니다 발표한 남자의 정체"(한경제의 지식쇼, 2026-08-13) — 본인 미등장 내레이션 해설(RLDX-1 벤치마크 수치는 해설자 전언이라 미채택) 미분석 후보: KBS 다큐 인사이트 "무대가 아닌 공장으로 향하는 휴머노이드"(TsiNuMoqg-Y, 2026-09-10), KBS 9시 뉴스 "손끝 지능을 잡아라"(RJvg4ohmiq0, 2026-05-27) — 본인 발언 분량 미확인

강연 활용 포인트

  • 현장 데이터: "피지컬 AI는 공장에서 사람들이 일하는 데이터부터"([5]), "미국엔 공장이 없다"([3]) → 필드·제조 현장을 가진 쪽이 데이터 우위라는 강연 핵심 논리와 직접 연결
  • 학습 기반 전환: "프리 프로그래밍한 순서대로만" 동작하는 산업로봇 vs 상황 지능([4]), 결정론적 제어 → 트랜스포머 확률 모델 도입이 혁신이지만 고전 제어와 결합해야 한다는 균형론([4]) → '규칙 기반 → 학습 기반' 전환의 현실적 서술
  • 무인화 요구의 연장: 한·일 자동화 약 50%, 나머지는 사람 손([3]), 3교대 인건비·인구 절벽([3][4]), 노하우를 AI화한 무인 공장 배포([1]) → 산업 무인화 요구가 피지컬 AI로 이어지는 흐름의 근거
  • 필드 적용 시사: 수요 1순위가 제조가 아닌 서비스·물류였다는 현장 피드백([4]) → 정형 공장보다 비정형 현장일수록 학습 기반이 필요하다는 논거
  • 한국 전략 프레임: 미·중 2강 아래 "3위 자리" 경쟁([3]), 연합군·민관 생태계([5]), 연구 역량(논문 세계 3위·KAIST 상위)은 있으나 상용화 지원 부재([1][2][3])

두 인물 교차 포인트 (강연 메시지 연결용)

  • 공통: 액션·현장 데이터가 웹에 없음 → 데이터 확보가 승부처, 매니퓰레이션(손재주)이 다음 병목, 중국 대비 한국은 제조 현장·부품 경쟁력으로 승부
  • 차이: 김병수 = 하드웨어(액추에이터)·데이터 팩토리에서 파운데이션 모델은 "빅테크가 만들 운명"으로 보고 파트너 지향 / 류중희 = 파운데이션 모델 자체를 한국·일본이 만들어야 하며 하드웨어는 파트너에 맡김
  • 데이터 수집 방식 대비: 김병수는 저임금 지역(우즈베키스탄) 대량 텔레오퍼레이션, 류중희는 한·일 숙련 작업자 데이터(고품질)
↑