피지컬 AI에 5조 원, 중소 제조현장까지 온다
1분0180
로봇에게 데이터를 가르치고, 처음 보는 물건을 맡기고, 이제 중소 제조현장까지 갑니다
불과 얼마 전까지만 해도 피지컬 AI라고 하면 휴머노이드가 걷거나 물건을 집는 화려한 시연 영상이 먼저 떠올랐어요. 그런데 이번 주 뉴스는 결이 좀 다릅니다. LG전자는 로봇이 배울 학습 데이터를 대량으로 만드는 '로봇 데이터 팩토리'를 돌리기 시작했고, 독일 유통기업 Otto Group은 물류 자동화에서도 손꼽히게 까다로운 '반품 처리'를 AI 로봇에게 맡기기로 했어요. 국내에서는 정부가 2030년까지 5조 원 이상을 들여 데이터와 AI, 로봇을 묶은 피지컬 AI를 중소 제조현장까지 넓히겠다는 계획을 내놨고요. 세 뉴스는 서로 다른 이야기 같지만 하나의 흐름 위에 있습니다. 로봇이 정해진 동작을 반복하던 자동화에서 데이터를 학습하고 → 처음 보는 상황을 판단하고 → 실제 산업현장에 들어가는 자동화로 넘어가고 있다는 것. 피지컬 AI가 미래 공장의 청사진에서 내려와 제조와 물류의 실제 작업을 하나씩 맡기 시작한 거예요.
🤖 마로솔 인사이트 · 빅웨이브로보틱스 · 2026년 10월 4주차 Weekly Robot Insight
#로봇주간뉴스 #피지컬AI #PhysicalAI #스마트팩토리 #로봇자동화 #LG전자 #NVIDIA #로봇데이터 #데이터팩토리 #Sereact #OttoGroup #물류자동화 #반품자동화 #중소제조 #협동로봇 #산업용로봇 #제조자동화 #마로솔
이번 주 로봇 업계 흐름을 한 문장으로 정리하면,
피지컬 AI 경쟁이 '더 똑똑한 로봇을 만드는 연구'에서 '현장에서 실제로 돈이 되는 작업을 자동화하는 경쟁'으로 넘어가고 있다는 점이에요.
LG전자(①)는 로봇이 다양한 상황을 배울 수 있도록 실제 데이터와 가상 데이터를 대량으로 만드는 기반을 갖추고 있습니다. Otto Group과 Sereact(②)는 그렇게 학습한 AI로 지금까지 자동화가 어려웠던 불규칙한 반품 상품을 알아보고 판단하고 분류하는 일에 도전하고요. 한국 정부(③)는 피지컬 AI를 대기업과 연구기관 안에 머물게 하지 않고 중소 제조기업의 수작업 공정과 위험공정까지 넓히겠다고 밝혔어요. 한 줄로 줄이면 이렇습니다. LG는 로봇이 배울 데이터를 만들고, Sereact는 그 지능을 실제 작업에 쓰고, 정부는 이 자동화를 더 많은 제조현장으로 퍼뜨리려 한다. 피지컬 AI의 다음 질문은 "얼마나 똑똑한가?"보다 "현장에서 얼마나 쓸 수 있는가?"에 가까워지고 있어요.
— NEWS · 01 · 핵심 뉴스 TOP 3 —
① 로봇을 많이 만들기 전에 '로봇이 공부할 공장'부터
LG전자, 국내 최대 로봇 데이터 팩토리 부분 가동… 내년까지 학습 데이터 50만 시간 목표
📋 이 기사의 체크포인트
LG전자가 로봇 사업을 키우면서 가장 먼저 힘을 싣는 분야는 의외로 데이터예요. 10월 28일 3분기 실적 발표에서 LG전자는 서울 우면동에 짓고 있는 국내 최대 규모의 로봇 데이터 팩토리가 부분 가동에 들어갔다고 밝혔습니다. 본격 가동은 올해 4분기예요. 로봇 관절을 움직이는 핵심 부품인 액추에이터도 상반기에 창원에 파일럿 생산라인을 꾸렸고, 지금은 양산 준비를 하면서 글로벌 고객사를 상대로 수주 활동을 벌이고 있어요.
그런데 로봇 회사에 왜 '데이터 공장'이 필요할까요? 기존 산업용 로봇은 사람이 프로그래밍한 동작을 빠르고 정확하게 반복하는 데 강합니다. 피지컬 AI 로봇은 달라요. 물건 위치가 바뀌거나 처음 보는 물체가 나타나도 주변을 보고 '지금 무엇을 해야 하는지' 스스로 판단해야 하죠. 그러려면 로봇도 사람처럼 수많은 상황을 겪어봐야 합니다. LG전자는 실제 가정과 제조현장을 그대로 옮겨놓은 공간에서 현실 데이터를 모으고, 이 데이터로 시뮬레이션 정확도를 높인 뒤 가상 데이터로 학습량을 늘리는 방식을 쓰고 있어요. 컨퍼런스콜에서는 엔비디아와 시뮬레이션, 월드 모델, 로봇 개발 플랫폼 전반에서 협력하며 내년까지 실제와 가상 데이터를 합쳐 누적 약 50만 시간의 로봇 학습 데이터를 확보하겠다고 밝혔습니다. 사업 순서도 흥미로워요. 가정용 휴머노이드부터 팔지 않고 시장이 먼저 열릴 학계·공공·제조 같은 B2B 시장을 먼저 공략합니다. 연구용 로봇 공급으로 시작해 산업별 패키지 솔루션으로 넓히고, 휴머노이드 시장이 본격적으로 열릴 2030년 전후에 가정용으로 확장하겠다는 계획이에요.
💡 한발 앞서 생각하기
이번 뉴스에서 눈여겨볼 건 '50만 시간'이라는 숫자만이 아니에요. 로봇 산업의 경쟁력이 하드웨어 스펙에서 '얼마나 다양한 현실을 겪어봤는가'로 옮겨가고 있다는 점이 더 중요합니다.- ✔ 같은 로봇팔이라도 다양한 크기와 모양의 물체를 겪어본 로봇이 더 많은 일을 해낸다
- ✔ 현실에서 모든 상황을 직접 만들어 가르칠 수는 없으니 시뮬레이션과 합성 데이터의 비중이 커진다
- ✔ 현장에서 생긴 실패가 다시 학습 데이터가 되면 로봇은 시간이 갈수록 새로운 예외 상황에 대응할 수 있다
- ✔ 그래서 앞으로 로봇은 하드웨어 + AI 모델 + 현장 데이터가 하나의 제품처럼 묶여 팔릴 가능성이 높다
🔗 공식 발표 보기LG Electronics Releases Third-Quarter 2026 Financial Results (LG전자) →
🔗 참고 자료 보기[컨콜] LG전자 로봇, '산업→가정' 확장…내년 학습 데이터 50만 시간 확보 (녹색경제신문) →
— NEWS · 02 —
② 택배 반품은 왜 아직 사람이 정리할까?
Otto Group × Sereact, AI 로봇이 '처음 보는 물건'을 집는 반품 자동화 착수
📋 이 기사의 체크포인트
창고 자동화는 이미 꽤 많이 와 있어요. 컨베이어가 상자를 옮기고 AMR이 선반을 나르고 로봇팔이 정해진 상품을 집는 모습은 이제 어렵지 않게 볼 수 있죠. 그런데 반품은 얘기가 다릅니다. 팔려나갈 때의 상품은 규격도 포장 상태도 알고 있지만 고객에게서 돌아오는 물건은 제각각이에요. 옷은 구겨져 있고, 상품이 엉뚱한 방향으로 들어 있고, 포장이 뜯겨 있거나 처음 보는 제품이 튀어나오기도 하죠. 기존 자동화가 가장 좋아하는 조건인 '정해진 물건 + 정해진 위치 + 정해진 상태'가 거의 없는 공정입니다. Otto Group의 공급망 총괄 Martin Umland도 "반품은 자동화하기 어렵기로 악명 높다"고 말할 정도예요.
그래서 Otto Group은 독일 로봇 AI 기업 Sereact와 함께 폴란드 물류센터의 반품 처리를 자동화하기로 했어요. 1단계로 AI 기반 듀얼암 시스템 10대를 투입하고, 결과가 좋으면 15대를 더해 최대 25대까지 늘릴 계획입니다. 로봇은 반품 상품을 집고, 무엇인지 알아보고, 상태를 판단하고, 분류하는 일을 맡아요. 핵심은 로봇팔보다 Sereact의 피지컬 AI 모델 'Cortex'에 있습니다. 기존 자동화는 상품마다 어디를 잡을지 미리 등록하거나 제품 카탈로그를 만들어둬야 했어요. Cortex는 사전에 등록되지 않은 물건도 알아보고 어디를 어떻게 잡아 어디로 보낼지 실시간으로 판단하는 게 목표예요. Sereact CEO의 말이 이걸 잘 보여줍니다. "어제의 카탈로그만 아는 로봇은 반품센터에서 쓸모가 없다." 현장에서 로봇이 헤맨 사례도 버리지 않아요. NVIDIA Isaac Sim과 Isaac Lab으로 실제 작업을 수천 가지 가상 상황으로 늘리고, Cosmos로 옷의 상태와 포장, 소재, 조명을 바꿔가며 다시 학습시킵니다. 개선된 동작은 검증을 거쳐 현장 로봇에 업데이트되는데, Sereact는 이 수정 주기를 몇 주에서 며칠로 줄이는 걸 목표로 하고 있어요.
💡 한발 앞서 생각하기
이 뉴스가 중요한 건 피지컬 AI가 어떤 작업에 필요한지를 아주 선명하게 보여주기 때문이에요. 모든 공정에 AI가 필요한 건 아닙니다. 똑같은 박스가 늘 같은 자리로 온다면 기존 자동화가 더 빠르고 저렴할 수 있어요. 반대로 제품 종류가 계속 바뀌고, 위치가 일정하지 않고, 사람이 눈으로 보고 판단해야 하는 작업이라면 얘기가 달라집니다.- ✔ 지금까지 사람 손이 필요했던 비정형 피킹
- ✔ 종류가 계속 달라지는 상품 분류
- ✔ 단순 반복이 아니라 상태를 확인해야 하는 작업
- ✔ 새 제품이 들어올 때마다 로봇을 다시 프로그래밍하기 어려운 공정
🔗 공식 발표 보기Otto Group and Sereact Bring NVIDIA-Powered Physical AI to Returns Processing (Sereact) →
🔍 그런데 이런 피지컬 AI, 대기업만 쓸 수 있는 기술일까요?
LG처럼 거대한 데이터 팩토리를 짓거나 글로벌 물류기업처럼 수십 대의 AI 로봇을 한꺼번에 실증할 수 있는 회사는 많지 않아요. 중소 제조기업이라면 고민이 훨씬 현실적이죠. "어디서부터 자동화해야 하지?" "우리 공정에도 AI가 필요할까?" "로봇 한 대 넣으려면 주변 설비를 얼마나 바꿔야 하지?" "투자한 만큼 생산성이 오를까?" 공교롭게도 10월 29일, 바로 이런 기업들을 겨냥한 대규모 정책이 나왔어요.
— NEWS · 03 —
③ 피지컬 AI에 5조 원, 이번엔 중소 제조현장이 무대입니다
정부, '중소제조 피지컬 AI 확산 전략' 발표… 2030년까지 AI 도입 기업 6,000곳
📋 이 기사의 체크포인트
중소벤처기업부가 10월 29일 국가정책조정회의에서 2030년까지 스마트 제조혁신에 5조 원 이상을 투입하는 '중소제조 피지컬 AI 확산 전략'을 발표했어요. 목표가 꽤 구체적입니다. 지금 약 600곳(1%)인 AI 도입 중소 제조기업을 6,000곳(10%)으로 늘리고, 스마트공장으로 디지털 기반을 갖춘 기업은 1만 8,000곳에서 3만 곳까지 늘린다는 계획이에요. 이번 전략의 뼈대는 DX·AX·RX입니다. 디지털 전환(DX)으로 현장 데이터를 쌓고, AI 전환(AX)으로 그 데이터를 분석해 판단하고, 로봇 전환(RX)으로 현실의 작업을 수행하는 구조예요. 쉽게 말해 센서와 시스템이 공장을 보고 → AI가 판단하고 → 로봇이 실제로 움직이는 공장을 만들겠다는 겁니다. 정부는 이 셋을 따로따로 지원하지 않고 하나의 흐름으로 묶겠다고 밝혔어요.
로봇 보급도 늘립니다. 2030년까지 중소 제조기업 1,000여 곳에 제조로봇을 공급하고, 다관절 산업용 로봇과 협동로봇, 물류로봇 등을 공정 수요에 맞춰 기업당 2억 5,000만 원 규모로 지원해요. 로봇 엔지니어링과 안전 컨설팅도 함께 묶었습니다. 우선순위도 의미가 있어요. 최신 로봇을 보여주기보다 작업자 부담이 큰 수작업 공정(K푸드·K뷰티 같은 수출 주력 업종)과 고열·분진에 노출되는 위험공정(주조·금형 등)부터 실증하고, 효과가 검증된 모델을 비슷한 현장으로 퍼뜨리는 방향이에요. 최종적으로는 공정별로 검증된 모델을 한 공장에 묶어 AI·로봇·데이터가 함께 돌아가는 '스마트 로보팩토리'까지 만들고, 2028년부터는 휴머노이드 보급 전용사업도 검토한다는 계획입니다. 데이터 쪽에서 눈에 띄는 대목도 있어요. 지원사업에 참여한 기업이 내놓은 제조데이터의 가치를 평가해 기업 부담금 일부로 인정해 주는 제도를 내년부터 시범 적용한다고 해요.
💡 한발 앞서 생각하기
이번 정책에서 마로솔이 특히 주목하는 대목은 '단계별 도입'이에요. 모든 제조기업이 처음부터 피지컬 AI 공장을 지을 필요는 없습니다. 정부 전략도 기업의 디지털 수준을 먼저 진단하고, 데이터 기반이 부족하면 데이터 수집부터, 기반이 갖춰졌으면 공정 최적화와 자율제조로 올라가는 구조를 잡았어요. 실제 자동화 현장에서도 똑같습니다.- ✔ 자동화하려는 작업이 명확하다면 산업용 로봇이나 협동로봇만으로 충분할 수 있다
- ✔ 공정 사이에서 제품을 옮기는 게 문제라면 AMR이 먼저일 수 있다
- ✔ 제품 종류와 위치가 계속 달라 사람이 보고 판단해야 한다면 그때 AI 비전이나 피지컬 AI가 필요해진다
- ✔ 어느 쪽이든 자동화된 공정에서 쌓인 데이터가 다음 단계의 재료가 된다. 정부가 제조데이터를 자산으로 쳐주겠다는 것도 같은 맥락이다
🔗 뉴스 원문 보기중기부, 2030년까지 중소제조 피지컬 AI 확산에 5조 원 이상 투입 (연합뉴스) →
🔗 참고 자료 보기위험공정에 AI 로봇 도입...중기부, 2030년까지 '중소 제조혁신' 5조 이상 투입 (뉴스핌) →
— SECTION · 마로솔 코멘트 —
피지컬 AI의 진짜 시작은 '휴머노이드를 살까?'보다 '어떤 일을 자동화할까?'예요
이번 주 세 뉴스를 한데 묶으면 이렇게 정리할 수 있어요.
"LG전자는 로봇이 현실을 이해할 데이터를 만들고, Otto Group은 그렇게 발전한 피지컬 AI를 기존 자동화가 어려웠던 비정형 작업에 쓰며, 한국 정부는 데이터와 AI, 로봇을 잇는 자동화를 중소 제조현장까지 넓히려 한다. 피지컬 AI 경쟁은 기술을 보여주는 단계에서 실제 산업의 문제를 푸는 단계로 넘어가고 있다."
— 마로솔 주간 인사이트
요즘 로봇 뉴스를 보면 휴머노이드, 파운데이션 모델, 월드 모델 같은 새 용어가 끝없이 나와요. 로봇 도입을 검토하는 기업 입장에서는 오히려 더 헷갈릴 수 있습니다. "우리도 이제 휴머노이드를 준비해야 하나?" "기존 산업용 로봇은 곧 구식이 되는 걸까?" "AI 없는 자동화는 의미가 없는 걸까?" 하지만 실제 현장에서 자동화를 검토할 때는 기술보다 작업에서 출발하는 편이 좋아요.
매일 같은 제품을 같은 자리에서 용접한다면 검증된 산업용 로봇이 가장 효율적일 수 있어요. 작업자와 같은 공간에서 다품종을 조립해야 한다면 협동로봇을, 공장 안에서 자재 이동이 반복된다면 AMR이나 AGV를 먼저 볼 수 있고요. 반대로 Otto Group의 반품 공정처럼 다음에 어떤 물건이 들어올지 모르고 매번 보고 판단해야 하는 공정이라면 그때 AI 비전과 피지컬 AI가 새로운 가능성을 엽니다.
가장 미래적인 로봇을 찾기보다 → 가장 비용과 시간이 많이 드는 작업을 찾고 → 거기에 맞는 자동화 수준을 고른다
피지컬 AI가 빠르게 발전해도 현장을 들여다보는 과정은 사라지지 않아요. 오히려 더 중요해집니다. 먼저 이런 질문으로 우리 현장을 살펴보세요.
- Q1사람이 하루에도 수십·수백 번 반복하는 작업은 무엇인가?
- Q2근골격계 부담이나 고열·분진처럼 작업자 안전 부담이 큰 공정은 어디인가?
- Q3제품과 위치가 일정해서 기존 로봇 자동화만으로 풀 수 있는가?
- Q4아니면 제품 종류와 상태가 계속 달라 AI의 인식과 판단이 필요한가?
- Q5자동화한 뒤 다른 설비·물류·데이터와 연결할 수 있는가?
🧭 그래서 마로솔이 보는 자동화의 시작점
이 질문에 따라 답은 달라져요. 산업용 로봇일 수도, 협동로봇일 수도, AMR일 수도, AI 비전과 로봇을 결합한 시스템일 수도 있습니다.마로솔은 로봇 한 대를 먼저 정해두고 현장을 거기에 끼워 맞추지 않아요. 현장·공정 분석 → 자동화 가능성 검토 → 로봇·솔루션 비교 → 시스템 구성 → 실제 구축과 운영의 순서로 현장에 맞는 방법을 함께 찾습니다.
피지컬 AI가 모든 공장에 들어오는 날을 기다릴 필요도 없어요. 지금 우리 현장에서 로봇이 가장 잘할 수 있는 작업 하나를 찾아 자동화하는 것. 그 과정에서 쌓이는 생산 데이터와 운영 경험이 나중에 더 똑똑한 자동화로 가는 발판이 됩니다.
AI 로봇이 아니어도 괜찮습니다
중요한 건 '우리 공정에 맞는 자동화'예요
로봇 도입을 고민하는 현장에서 가장 많이 듣는 이야기는 이런 것들이에요.
💬 "반복 작업이 많은데 어떤 로봇이 맞을까요?"
💬 "사람을 구하기 어려운 공정을 자동화하고 싶어요."
💬 "산업용 로봇, 협동로봇, AMR, AI 로봇 중 무엇을 골라야 할지 모르겠어요."
💬 "자동화했을 때 실제 ROI가 나오는지 먼저 알고 싶어요."
어디서부터 시작해야 할지 막막하다면 마로솔이 여러 제조·물류 자동화 솔루션을 비교해 현장 조건에 맞는 방법을 함께 찾아드려요 👇
✅ 자동화 가능 공정 분석 ✅ 산업용 로봇·협동로봇·물류로봇 비교 ✅ AI 비전·피지컬 AI 적용 가능성 검토 ✅ 공정 구성·처리량·생산성·ROI 검토 ✅ 단계별 스마트팩토리 확장 방향 설계
피지컬 AI 시대의 시작은 가장 똑똑한 로봇을 사는 게 아니라
우리 현장의 어떤 일을 로봇에게 맡길 수 있는지 찾는 것부터예요.
📞 대표전화 080-858-5050 | ✉️ 이메일 hello@bigwaverobotics.com
