물건을 집어 옮기는 로봇 영상만으로 공장 투입을 결정할 수는 없다. 조명과 부품 위치가 바뀌어도 같은 작업을 해내는지, 오류가 날 때마다 사람이 개입해야 하는지 확인해야 한다. 피지컬 AI가 제조업에 약속하는 것은 더 유연한 자동화지만, 공장이 구매하는 것은 예측 가능한 성능이다.
국제로봇연맹(IFR)이 지난 12일 발표한 2025년 기준 한국의 제조업 로봇 밀도는 종사자 1만 명당 1,066대로 세계 1위였다. 그러나 로봇 밀도는 가동 중인 산업용 로봇 수를 제조업 종사자 수와 비교한 지표다. 로봇의 AI 자율성이나 낯선 작업에 적응하는 능력까지 보여주지는 않는다.
작업 성공보다 조건 변화에 주목해야
피지컬 AI는 AI의 인식과 판단을 실제 기계의 움직임으로 연결하는 기술이다. 제조현장에서는 정해진 조건에서 한 번 성공하는 능력보다 조건이 달라져도 작업을 이어가는 능력이 중요하다.
2024년 로봇 분야 학술대회 RSS에 발표된 ‘THE COLOSSEUM’ 연구는 그 차이를 보여준다. 연구진은 조작 과제 20개에 물체의 색·크기, 조명, 카메라 위치 등 14가지 환경 변화 요인을 적용해 당시 로봇 조작 모델 5종을 평가했다. 변화 요인별로 성공률은 30~50% 저하됐고, 여러 요인을 함께 적용했을 때는 저하 폭이 75% 이상이었다.
이 결과를 현재 로봇 전체의 성능으로 일반화할 수는 없다. 2024년 특정 모델과 시험 조건에서 나온 수치이기 때문이다. 다만 익숙한 환경에서 얻은 성적만으로 새로운 생산현장의 성능을 보장하기 어렵다는 점은 드러난다. 숫자로 제시된 성공률만 볼 것이 아니라 어떤 물체와 배치, 조명 조건에서 얻은 결과인지, 사람이 얼마나 개입했는지도 함께 봐야 한다.
‘집기’ 다음에는 조립과 반복 작업
물체를 집어 올리는 로봇이 곧바로 조립 작업까지 해내는 것은 아니다. 부품을 맞물리게 하려면 위치뿐 아니라 접촉 상태와 힘을 조절해야 한다. 미국 국립표준기술연구소(NIST)는 촉각 센서, 양팔 조작, 조립 과제 등에 적용할 성능 지표와 시험방법을 연구하고 있다.
NIST의 연구는 평가 체계를 개발하는 작업이다. 정밀 조작 문제가 이미 해결됐다는 발표로 읽어서는 안 된다. 제조기업도 ‘조립 가능’이라는 설명을 들었다면 어떤 부품을 어느 정도의 오차 안에서, 몇 차례 반복해 처리했는지 물어야 한다.
로봇의 형태 역시 작업에 맞춰 판단할 문제다. IFR에 실린 프라운호퍼 생산기술·자동화연구소 연구진의 분석은 바퀴형 플랫폼과 이동식 양팔 로봇 등 여러 방식을 소개한다. 사람의 작업공간에서 쓰인다고 반드시 두 다리로 걸어야 하는 것은 아니다.

스마트 제조 라인에서 다관절 로봇이 부품 가공 작업을 반복 수행하는 장면. / 이미지(GIF)=생성형 AI 제작
휴머노이드의 관문은 유지비와 신뢰성
운반·분류, 설비에 부품을 넣고 빼는 작업, 물체 집기 등은 휴머노이드의 적용 가능성이 거론되는 분야다. 다만 프라운호퍼 연구진이 제조사 3곳의 경험을 토대로 소개한 사례를 산업 전반의 상용화 수준으로 받아들여서는 안 된다. 연구진은 판매가 아직 제한적이며 초기 실증과 시범사업이 진행 중이라고 설명했다.
기존 자동화 설비와 비교하면 판단 기준은 구체적이다. IFR은 휴머노이드가 제조업에서 자리 잡으려면 작업 주기와 에너지 소비, 유지보수 비용, 내구성에서 현장의 요구를 충족해야 한다고 본다. 사람처럼 움직이는 모습보다 정해진 작업을 얼마나 안정적으로 반복했는지가 투자 판단에 가깝다.
투자 판단은 로봇의 형태보다 어떤 공정을 맡길 것인지에서 시작해야 한다. 작업 속도와 품질, 정지 횟수, 사람의 개입 시간, 유지비를 기존 설비와 비교할 수 있어야 한다.
중국의 설치량과 한국의 로봇 밀도는 다른 숫자
중국의 강점은 시장 규모에서 드러난다. IFR에 따르면 2024년 중국에 새로 설치된 산업용 로봇은 약 29만5,000대로 세계 신규 설치량의 54%였다. 가동 중인 산업용 로봇도 200만 대를 넘어 세계 최대 규모였다. 산업용 로봇 전체에 관한 통계로, 휴머노이드 생산량이나 피지컬 AI 적용 규모를 뜻하지는 않는다.
한국은 로봇 밀도에서 세계 1위다. IFR은 앞선 발표에서 한국의 로봇 밀도를 종사자 1만 명당 1,220대로 제시했고, 올해 발표한 2025년 기준 수치는 1,066대다. 발표 시점과 기준연도가 다른 통계인 만큼 두 숫자만으로 로봇 보급이 줄었다고 판단하기는 어렵다. 두 지표 모두 AI의 환경 적응력이나 정밀 조작 능력을 측정하는 수치는 아니다.
경기연구원은 최근 중국의 피지컬 AI 경쟁력을 양산·데이터·지능·정책·자본이 연결되는 구조에서 찾았다. 국내 대응 방향으로는 설계와 검증, 시제품 제작, 현장 배치, 지능 개선을 잇는 체계를 제안했다. 이는 정책 제안이며, 효과가 확인된 사업 성과와는 구분해야 한다.
투자 단위는 로봇 한 대가 아니라 공정
국내 제조업에는 기존 설비에 인식·판단 기능을 더하는 선택지도 있다. 로봇을 교체할지, 현재의 자동화 설비를 개선할지는 공정 특성과 설비 호환성, 안전 검증 결과에 따라 달라진다. 새 장비의 가격만으로 도입 이후의 비용과 생산 기여도를 판단하기 어렵다.
구매 전에 성능을 시험할 조건도 정해야 한다. 평소와 다른 조명과 부품 배치에서 작업할 수 있는지, 오류가 났을 때 사람이 얼마나 자주 개입해야 하는지 확인할 필요가 있다. 경기연구원이 제안한 ‘실제로 일한 시간’ 중심 조달도 도입 대수보다 운용 성과를 보자는 취지다.
로봇이 클라우드와 생산정보 시스템에 연결될수록 제어기 보안과 센서 데이터 보호도 중요해진다. IFR은 AI 기반 자율성이 높아질수록 시험·검증과 사람의 감독이 더 복잡하고 중요해진다고 설명한다.
피지컬 AI 경쟁은 로봇이 몇 대 출고됐는지만으로 판가름 나지 않는다. 조건이 바뀐 공정에서도 품질을 유지하고, 멈췄을 때 복구할 수 있으며, 투입한 비용만큼 생산에 기여하는지를 확인해야 한다.
한국 제조업의 높은 로봇 밀도가 피지컬 AI 경쟁력으로 이어질지는 결국 공장에서 나온 성적표가 보여줄 것이다.