오늘 끝나면
Physical AI의 미래
- ✓Physical AI의 미래의 핵심 문제를 한 문장으로 설명한다
- ✓오른쪽 실습에서 Physical이 어떻게 움직이는지 관찰한다
- ✓다음 강의와 이어지는 한계를 말할 수 있다
실습 미션
휴머노이드와 범용 로봇 — 다음 물결 이 문장이 실제로 무슨 뜻인지 실습에서 한 번 손으로 확인한다.
성공 조건
- □실습의 기본값을 먼저 관찰
- □입력값이나 모드를 한 번 이상 바꿔 결과 비교
- □왜 결과가 바뀌었는지 한 문장으로 설명
Physical AI · 25
Physical AI의
미래
지난 24강은 한 작업을 잘하는 로봇을 만드는 법이었다.
이번 강은 그 끝이다. 한 본체가 사람의 일을 두루 하는 범용 로봇과 휴머노이드로 가는 길이다.
열쇠는 대량 로봇 데이터로 학습한 파운데이션 모델(VLA)이다. AI가 화면을 벗어나 세상에 손을 뻗는 시대다.
특수 로봇에서 범용 로봇·휴머노이드로
지금까지 로봇은 거의 다 특수 로봇이었다. 한 작업만 잘하게 만든 기계다.
공장 용접팔은 용접만, 룸바는 청소만, 물류창고 AMR은 짐 옮기기만 한다.
환경을 로봇에 맞춰 깔끔하게 깔아주고, 동작을 사람이 일일이 짜 넣는다. 조금만 어긋나도 멈춘다.
다음 단계가 범용 로봇이다. 한 본체가 집기, 정리, 운반, 조작을 두루 하는 것이다.
더 멀리엔 휴머노이드가 있다. 사람 모양으로 만들어 사람의 공간과 도구를 그대로 쓰게 하는 것이다.
왜 굳이 사람 모양인가. 세상이 이미 사람 몸에 맞춰 설계됐기 때문이다.
문손잡이, 계단, 공구, 차가 전부 사람 손과 다리에 맞춰져 있다. 사람 모양이면 환경을 안 바꿔도 된다.
사람 모양인 이유는 세상이 이미 사람 몸에 맞춰 설계돼 있어서다
능력을 키워 단계를 넘어보기
능력을 키우면 로봇은 세 단계를 차례로 넘는다. 레버는 둘이다.
데이터는 시연, 시뮬, 실로봇 로그를 얼마나 모았는지다.
일반화는 한 모델이 새 작업과 새 환경에 얼마나 옮겨붙는지다.
둘 중 하나만 키워봤자 능력은 잘 안 오른다. 능력은 둘의 결합이기 때문이다.
데이터만 산더미여도 새 환경에 못 옮기면 특수 로봇에 머물고, 일반화 욕심만 커도 연료가 없으면 못 굴린다.
데이터가 차오르면 일반화가 따라 오른다. 능력이 문턱을 넘는 순간 로봇 모양이 팔에서 본체로, 다시 휴머노이드로 진화한다.
용접팔·룸바·물류 AMR, 정해진 일만 잘한다
능력은 둘의 결합이다. 데이터만 쌓아도, 일반화만 높아도 못 올라간다.
파운데이션 모델의 물결
범용으로 가는 열쇠는 더 정교한 모터가 아니라 파운데이션 모델이다.
언어에선 GPT가, 이미지에선 큰 비전 모델이 같은 일을 해냈다. 대량 데이터로 한 번 크게 학습하면, 안 가르친 작업도 어느 정도 한다.
작업마다 모델을 새로 짜던 시대가 끝났다. 하나의 큰 모델을 여러 일에 갖다 쓴다.
로봇에서 그 역할을 하는 게 VLA다. Vision, Language, Action을 뜻한다.
카메라로 본 장면(Vision)과 사람 지시(Language)를 받아 곧장 로봇 동작(Action)을 뱉는다. 동작을 사람이 짜는 게 아니라 모델이 낸다.
연료는 대량 로봇 데이터다. 사람 시연과 시뮬레이션, 여러 로봇의 실주행 로그를 한데 모아 학습한다.
그래서 시뮬레이터(Day 18)와 RL(Day 16)이 결정적이다. 실물로 다 못 모으는 경험을 시뮬이 싸게 무한히 찍어낸다.
연료는 대량 로봇 데이터 (시연 · 시뮬 · 실주행 로그)
노동·돌봄·탐사로 손을 뻗다
범용 로봇이 잘 되면 어디에 쓰나. 사람이 하기 힘들거나 모자란 일부터다.
첫째는 노동이다. 물류, 제조, 건설처럼 무겁고 반복적이고 위험한 일이다.
이미 인력난이 큰 현장이라 가장 먼저 들어가는 중이다.
둘째는 돌봄이다. 고령화로 간병과 생활보조 수요가 폭증한다. 사람 환경에서 부드럽게 움직여야 해서 휴머노이드가 어울리는 영역이다.
셋째는 탐사다. 우주, 심해, 재난 현장처럼 사람이 못 가거나 가면 위험한 곳이다. 로봇이 대신 손과 눈이 된다.
공통점은 하나다. 지금까지 AI는 화면 안에서 글과 그림, 코드를 다뤘다.
이제 그 지능이 몸을 얻어 물리 세계의 일을 직접 맡는다. 그게 Physical AI가 여는 시대다.
기회와 과제, 안전과 일자리
전망만 밝게 보면 안 된다. 능력이 커질수록 두 과제가 같이 무거워진다.
첫째는 안전이다. 화면 속 챗봇은 틀려도 글 한 줄이지만, 물리 로봇은 사람 옆에서 힘을 쓴다.
그래서 페일세이프와 중복화, 검증(Day 22~23)이 멋짐보다 먼저다. 한 번의 오작동이 사람을 다치게 할 수 있다.
둘째는 일자리다. 반복 노동을 대신하면 그 일을 하던 사람은 어디로 가나.
새 일이 생긴다는 낙관과 전환이 너무 빠르다는 우려가 같이 있다. 정해진 답은 아직 없다.
여기에 윤리와 책임소재, 데이터 편향까지 얽힌다. 기술만큼 사회적 합의가 같이 가야 하는 분야다.
그래서 이 강의의 마지막 메시지는 하나다. 빠르게 만들되, 안전과 사람을 먼저 생각하는 엔지니어가 되자.
Q. 특수 로봇에서 범용 로봇으로 가는 핵심 열쇠는?
정답은 대량 로봇 데이터로 학습한 파운데이션 모델(VLA)이다.더 정교한 모터나 작업별 수작업 코드가 아니다. 시연과 시뮬, 실주행 로그를 한데 모아 크게 학습한 모델이 새 작업과 새 환경으로 일반화한다.
Vision(본 장면)과 Language(지시)를 받아 곧장 Action(동작)을 내는 VLA가 그 역할을 한다.
최악
챗봇은 틀려도 글 한 줄.
로봇은 사람 옆에서 힘을 쓴다. 페일세이프와 검증이 먼저.
전환
반복 노동을 대신한다.
새 일이 생긴다는 낙관 vs 속도가 빠르다는 우려.
빠르게 만들되 · 안전과 사람을 먼저