휴머노이드는 어디에서 일을 배울까?
지난 8편에서는 중국의 휴머노이드가 어느 날 갑자기 사람 전체를 대신하는 것이 아니라, 제조와 물류 현장의 반복 작업부터 조금씩 맡기 시작할 가능성이 높다고 이야기했습니다.
그런데 여기에서 또 하나의 질문이 생깁니다.
휴머노이드는 도대체 어떻게 일을 배우는 것일까요?
사람은 학교에서 기본을 배우고, 현장에서 여러 번 실수하며 경험을 쌓습니다.
휴머노이드도 크게 다르지 않습니다.
다만 사람은 경험을 기억으로 남기고, 휴머노이드는 경험을 데이터로 저장합니다.
화려한 시연보다 더 인상적이었던 장면
중국의 휴머노이드 기업을 방문했을 때 저는 자연스럽게 화려한 로봇 시연을 기대했습니다.
사람처럼 걷고, 양손으로 물건을 옮기고, 복잡한 명령을 수행하는 모습을 생각했습니다.
그런데 실제 현장에서 가장 인상적이었던 장면은 조금 달랐습니다.
여러 대의 로봇이 같은 공간에서 계속 비슷한 작업을 반복하고 있었습니다.
상자 앞으로 이동하고, 팔을 뻗어 상자를 집고, 지정된 위치에 놓은 뒤 다시 처음 자리로 돌아왔습니다.
그리고 다시 상자를 집었습니다.
조금 전과 거의 같은 동작이 계속 이어졌습니다.
처음에는 이런 생각이 들었습니다.
“왜 저렇게 단순한 작업만 계속 반복할까?”
하지만 현장을 조금 더 자세히 관찰하면서 그 이유를 알게 됐습니다.
이곳의 목적은 로봇이 멋진 모습을 보여주는 것이 아니었습니다.
로봇이 일하면서 만들어내는 경험을 데이터로 바꾸는 것이 핵심이었습니다.
Training Ground는 로봇을 위한 학교입니다
중국에서는 휴머노이드가 다양한 작업을 반복하고 데이터를 수집하는 공간을 흔히 Training Ground라고 부릅니다.
단순히 번역하면 훈련장이지만, 실제로는 로봇을 위한 학교에 가깝습니다.
사람이 같은 일을 반복하면서 숙련도를 높이듯이, 휴머노이드도 상자를 집고 옮기고 분류하는 동작을 수천 번 반복합니다.
이 과정에서 로봇은 단순히 움직이는 것이 아닙니다.
상자를 바라본 카메라 영상, 팔과 관절의 움직임, 손가락의 힘, 작업 성공 여부, 이동 경로 등이 모두 기록됩니다.
로봇이 상자를 한 번 옮기는 것으로 작업이 끝나는 것이 아닙니다.
한 번의 작업이 하나의 새로운 데이터로 남는 것입니다.
로봇 한 대가 하루 동안 수백 번 작업하고, 여러 대의 로봇이 동시에 움직인다면 데이터는 빠른 속도로 쌓이게 됩니다.
결국 Training Ground는 로봇의 성능을 보여주는 전시장이 아니라, 로봇을 계속 성장시키는 데이터 생산공장이라고 볼 수 있습니다.
AI에게 실패는 버려야 할 결과가 아닙니다
사람은 일반적으로 실패를 줄이려고 합니다.
실수를 반복하면 능력이 부족하다고 평가받기도 합니다.
하지만 AI를 학습시키는 과정에서는 실패가 매우 중요한 자료가 됩니다.
로봇이 상자를 제대로 잡지 못했다면 그 이유를 분석할 수 있습니다.
- 상자의 위치를 잘못 판단했을 수 있습니다.
- 팔의 접근 각도가 적절하지 않았을 수 있습니다.
- 손가락의 힘이 너무 약하거나 강했을 수 있습니다.
- 상자의 무게와 재질을 정확히 인식하지 못했을 수 있습니다.
이러한 실패 원인이 데이터로 기록되면, AI 모델은 다음 작업에서 동작을 수정할 수 있습니다.
그래서 휴머노이드 학습에서는 성공한 데이터뿐 아니라 실패한 데이터도 매우 중요합니다.
사람은 실패를 줄이려고 하지만, AI는 실패를 모으면서 성장합니다.
전시회에서 한 번 성공하는 로봇과 실제 물류센터에서 하루 종일 안정적으로 일하는 로봇은 전혀 다른 수준입니다.
현장에서는 물체의 위치가 달라지고, 조명과 바닥 상태가 변하며, 예상하지 못한 장애물이 나타날 수도 있습니다.
이런 다양한 상황에 대응하려면 정상적인 동작뿐 아니라 수많은 실패와 예외 상황을 경험해야 합니다.
시뮬레이션만으로는 현실을 모두 배울 수 없습니다
물론 로봇을 학습시키기 위해 가상환경을 활용할 수도 있습니다.
컴퓨터 안에 공장과 물류센터를 만들고, 로봇이 여러 작업을 수행하도록 시뮬레이션하는 방식입니다.
가상환경은 실제 로봇을 계속 움직이지 않고도 많은 학습을 할 수 있다는 장점이 있습니다.
그러나 실제 현장은 가상환경보다 훨씬 복잡합니다.
상자가 찌그러져 있을 수도 있고, 조명의 밝기가 달라질 수도 있으며, 바닥이 완전히 평평하지 않을 수도 있습니다.
가상환경에서 완벽하게 움직이던 로봇이 실제 현장에서는 물체를 놓치거나 중심을 잃을 수도 있습니다.
그래서 중국의 휴머노이드 기업들은 시뮬레이션 데이터뿐 아니라 실제 로봇이 현장에서 만들어내는 데이터를 중요하게 생각하고 있었습니다.
산업 현장에 투입될 로봇은 결국 현실에서 현실을 배워야 합니다.
좋은 로봇보다 좋은 학습 환경이 먼저입니다
휴머노이드 기업을 방문하기 전에는 로봇의 경쟁력을 주로 하드웨어 관점에서 바라봤습니다.
얼마나 자연스럽게 걷는지, 손가락을 얼마나 정교하게 움직이는지, 얼마나 무거운 물건을 들 수 있는지가 중요하다고 생각했습니다.
하지만 현장을 본 뒤에는 생각이 조금 달라졌습니다.
좋은 하드웨어도 중요하지만, 같은 로봇이라도 어떤 환경에서 얼마나 많은 데이터를 학습했는지에 따라 실제 작업 능력은 크게 달라질 수 있습니다.
Training Ground에서 현실의 경험을 쌓고, 그 데이터를 저장하고, AI 모델에 다시 학습시키는 구조가 함께 있어야 합니다.
휴머노이드의 진짜 경쟁력은 로봇의 외형이 아니라 얼마나 많은 현실을 경험했는가에서 만들어집니다.
중국이 준비하고 있는 것은 단순히 많은 로봇이 아닐지도 모릅니다.
수많은 로봇이 반복 작업을 하며 만들어내는 경험, 그리고 그 경험을 축적하고 학습시키는 시스템을 함께 준비하고 있었습니다.
결국 좋은 로봇을 만드는 경쟁과 함께, 좋은 데이터를 만드는 경쟁이 이미 시작된 것입니다.
다음 이야기
그렇다면 중국은 왜 휴머노이드 데이터 수집을 개별 기업에만 맡기지 않고, 지방정부와 데이터센터까지 참여시키고 있을까요?
왜 로봇이 만들어내는 작업 데이터를 미래 산업의 중요한 자산처럼 바라보고 있을까요?
다음 10편에서는 “중국은 왜 휴머노이드 데이터를 국가 자산처럼 모으고 있을까?”라는 주제로, 중국의 데이터센터와 국가 차원의 휴머노이드 전략을 살펴보겠습니다.
미래의 승자는 가장 멋진 로봇을 만든 기업이 아니라, 가장 많은 현실의 경험을 축적한 기업과 국가일지도 모릅니다.
📚 함께 읽으면 좋은 글
- 4편 - 2030년 중국 물류센터에는 사람이 없어질까? AI와 휴머노이드가 바꾸는 미래
- 5편 - 중국은 왜 휴머노이드 세계 1등이 될 수 있을까? 직접 만나보고 깨달은 진짜 경쟁력
- 6편 - 중국 휴머노이드의 진짜 비밀! AI를 키우는 Training Ground를 아시나요?
- 7편 - AI는 어떻게 사람처럼 배울까? 중국 휴머노이드가 매일 '실수'하는 이유
- 8편 - 중국 휴머노이드는 언제 사람을 대신할까? 답은 이미 시작되고 있습니다
댓글 쓰기