"제조 자동화 마지막 퍼즐…산업용 모방학습 표준 만든다"

"그동안 풀지 못했던 제조 현장의 어려운 문제들을 저희가 피지컬 AI와 손을 활용해서 푸는 회사입니다. 제조업이라는 응용을 아주 구체적으로 잡고 들어가 손에 잡히는 데이터를 먼저 모으고 있어요."

문태연 카본식스 대표는 오랫동안 자동화가 불가능하다고 여겨진 제조업 공정의 본질적인 난제를 인공지능(AI)으로 풀어내기 위해 가장 실제적이고 요구 수준이 높은 산업 도메인을 정조준했다.

그는 "제조업은 데이터가 적고 공정이 복잡해 AI 도입이 쉽지 않지만, 일단 제대로 적용되기 시작하면 그 파급력은 엄청나다"며 "그래서 우리는 연구실에서 그치지 않고, 가장 거친 현장으로 먼저 들어가 실제로 로봇이 배우고 일하며 축적하는 진짜 피지컬 데이터를 기반으로 기술을 확장해 나가고 있다"고 설명했다.

카본식스는 제조업 공정의 풀리지 않던 문제를 피지컬 AI와 로봇지능으로 해결하는 것을 목표로 작년 설립된 산업용 로봇 AI 기업이다. 올해 미국 실리콘밸리의 풋힐벤처스, 스톰벤처스, 자이트가이스트 캐피탈, 한국 엑스퀘어드 등으로부터 약 60억원 규모 시드투자를 유치했다.

산업용 모방학습 기반 로봇 표준품 '시그마키트'를 앞세워 기존 자동화로는 건드리기 어려웠던 비정형 공정을 정면으로 파고들었다. 만두 정렬이나 필름·비닐 탈부착, 낭창거리는 손잡이를 고리에 거는 작업, 에어컨 필터를 통에서 빼내 정리하는 일, 초소형 케이블 체결 같은 작업이 대표 사례다.

이른바 '숙련공만 할 수 있다고 여겨지던 손일'을 로봇이 배우게 만드는 기술이다.

"바로 지금, 피지컬 AI 파도가 온 순간"

카본식스의 기술·연구를 이끄는 인물은 서형주 최고기술책임자(CTO)다. 그는 미국에서 약 10년간 공부와 연구를 이어온 뒤 지난해 한국행을 택했다.

"작년에 MIT 박사 과정이 거의 끝나갈 무렵에, 그다음에 뭘 할지를 두고 고민을 정말 많이 했습니다. 미국 대기업 기회도 있었고, 학계에 남아서 교수 자리를 가는 길도 있었어요. 그런데 여러 곳에서 이야기를 듣고, 또 현장을 보니까 '피지컬 AI의 파도가 진짜 왔다'는 느낌이 들더라고요."

서 CTO는 학계와 산업의 역할을 두고 흔히 말하는 구분을 떠올렸다고 했다. "보통 '0에서 1%는 학계가 하고 1에서 100%는 산업이 한다'는 말을 많이 하거든요. 제 박사 과정 10년을 통틀어 봐도, 지금이 딱 그 1%가 생긴 시점, 이제 1에서 100으로 갈 시기라는 생각이 많이 들었습니다."

결정적인 계기는 문 대표가 미국 보스턴까지 찾아와 보여준 한국 제조 현장이었다.

"문 대표님이 한국의 대기업 제조현장들을 직접 보여주시더라고요. 삼성, 현대 같은 공장에서 아직도 사람이 하고 있는 공정을 보면서, 이게 되게 어렵지만 '할 만한 문제'라는 생각이 들었습니다. '이건 풀 수 있겠다, 손에 꽤 잡힌다'는 느낌이었어요."

서 CTO는 "데이터가 많은 나라가 로봇을 선도할 수밖에 없다"는 결론을 내렸다.

"미국은 제조업이 많이 빠져나갔고, 지금 리쇼어링을 이야기하긴 하지만 기반 자체가 적어요. 반면 한국은 기술적인 고도화와 제조 인프라를 동시에 갖춘 나라입니다. 제조 기반이 많다는 건, 곧 로봇이 배울 수 있는 데이터가 많다는 뜻이거든요. 그런 의미에서 우리나라 제조업이 가진 데이터는 진짜 큰 자산이라고 생각합니다."

그래서 서 CTO는 이렇게 정리했다. "1년 넘게 한국에서 현장을 다니면서 '우리나라만이 피지컬 AI를 정말 잘할 수 있겠구나' 하는 확신을 더 갖게 됐습니다."

"휴머노이드가 답은 아니다…공학과 AI 섞여야"

요즘 로봇 업계의 화두는 휴머노이드다. 제조·물류·서비스 등 모든 현장을 사람과 닮은 로봇으로 해결하겠다는 비전이 난무한다. 서 CTO는 여기에 대해 다소 다른 각도를 제시했다.

"휴머노이드를 부정하는 건 아닌데, '사람과 똑같이 생긴 로봇'이 꼭 답일 필요는 없다고 생각합니다. 사람처럼 두 다리로 걷고 똑같이 생겼다고 해서 제조 문제들이 자동으로 풀리진 않거든요."

그가 중요하게 보는 건, 지난 수십 년간 제조업이 쌓아온 공학적 자산이다.

"제조에서 이미 이뤄낸 공학적인 발전이 정말 많아요. 검사할 때 어떤 각도에서 비춰야 잘 보인다든지, 어떤 액추에이터를 써야 정밀하게 제어할 수 있다든지 하는 것들이죠. 저는 진짜 피지컬 AI라는 게, 이렇게 공학적으로 쌓인 기술들을 포용하면서 AI의 유연한 지능을 섞는 방향이어야 한다고 봅니다."

그래서 카본식스의 지향점은, '사람과 똑같은 로봇'보다 '사람이 하기 어려운 문제를 더 잘 풀 수 있는, 공학과 AI가 섞인 로봇'에 가깝다. 서 CTO가 "엄청 큰 중장비의 지능을 저희가 넣는다든지, 현미경으로 봐야 하는 아주 작은 스케일의 장비에 저희 기술이 들어갈 때 가장 설렌다"고 말한 것도 같은 맥락이다.

카본식스의 첫 제품 '시그마키트'는 제조 현장에 초점을 맞춘 모방학습 기반 로봇 표준품이다. 서 CTO는 "다들 로봇 파운데이션 모델을 하겠다고 하지만, 데이터를 모을 수단이 없는 경우가 많다"고 지적했다.

"로봇이 유용해지기 전에 데이터를 많이 쌓아야만 한다면 '닭과 달걀 문제'에 빠집니다. 로봇이 들어가야 데이터를 모을 수 있는데, 데이터를 모은 뒤에야 로봇이 쓸모가 생기는 구조니까요. 그래서 저희는 가장 적은 데이터로 가장 효율적으로 배우는 망을 만드는 데 집중했습니다."

그는 "저희가 통상적으로 말하는 건 '100번 정도 보여주면 할 수 있다'는 수준이다. 대략 한 시간 정도 사람이 시연해 주면 그 작업을 따라 할 수 있다"며 "데이터가 적을 때 잘하는 게 쉽지가 않은데 이 부분에 저희 핵심 기술이 많이 들어가 있다"고 강조했다.

시그마키트의 또 다른 특징은 지능과 전통적인 룰 기반 제어를 섞을 수 있는 구조다.

"현장은 지능만으로 풀 수 없는 부분이 너무 많습니다. 그래서 어떤 구간은 지능이 알아서 판단하게 하고, 어떤 구간은 '3mm 더 들어가서 눌러라' 같은 식으로 아주 정밀한 룰 기반 움직임을 쓰는 경우가 많아요. 저희 제품에는 룰 기반으로 움직였다가, 지능으로 했다가, 다시 룰 기반으로 돌아올 수 있는 인프라가 들어가 있습니다."

문 대표도 같은 지점을 강조했다. "연구실에서 몇 년 동안 멋진 영상을 찍는 것보다, 지금은 현장에서 실제로 일을 하는 지능 로봇을 빨리 많이 깔아야 할 시기라고 봅니다. 저희는 가장 빨리 양산 적용을 해서, 가장 많은 지능 로봇을 현장에 투입하는 회사를 지향하고 있고, 이미 시작했다고 생각해요."

"산업용 모방학습 표준품 업계 최초"

시그마키트는 카본식스가 산업 대상으로는 '업계 최초'라고 자신 있게 내세우는 산업용 모방학습 표준품이다.

서 CTO는 "제조 현장에서 일하시는 분들이 모방학습 코드를 바로 가져다 쓸 수 있는 건 아니다"라며 "저희가 이야기하는 업계 최초는, 이런 기술을 UI·UX까지 포함해 공장 현장 사람들이 바로 쓸 수 있게 만든 표준품이라는 의미"라고 설명했다.

이 표준품은 완제품 로봇이 아니라 툴킷 형태로 제공된다. 각 공장·공정별로 천차만별인 요구 사항을, 기존 자동화 SI·로봇 업체들이 각자 최적화할 수 있게 하기 위해서다.

문 대표는 "제조업은 생긴 게 다 다르고, 커스터마이징 요구가 워낙 크다"며 "그래서 저희는 자동화 업체들이 도구로 쓸 수 있는 ‘지능 툴킷’을 만드는 쪽으로 방향을 잡았다"고 설명했다.

카본식스는 이미 국내 여러 제조 현장에서 양산 적용 단계에 들어갔다. 문 대표는 "현재 복수의 자동차, 전기전자, 일반 제조 산업 쪽에서 매출이 발생하고 있다"며 "연구나 단순 실증이 아니라 실제 현장 도입을 준비하고 있다"고 말했다.

업계 반응도 남다르다고 했다. "로봇자동화를 오래 해 오신 분들이 더 놀라십니다. 기존 1~2주씩 티칭하던 걸, 저희는 하루 안에 적용하는 걸 보시니까요. 전통 방식으로는 '이건 자동화 대상이 아니다'라고 생각하던 작업들에서 특히 반응이 큽니다."

"제조업서 시작하는 로보틱스 파운데이션 모델"

카본식스는 장기적으로 로보틱스 파운데이션 모델(RFM) 구축을 목표로 하고 있지만, 접근 방식은 '데이터 쇼핑형'과는 거리가 멀다.

문 대표는 "피지컬 데이터가 적다 보니까, 시뮬레이션으로 인공 데이터를 만들거나, 사람 머리에 카메라를 달아서 유튜브 같은 데이터를 모으는 접근들이 많다"며 "결국 진짜 중요한 건 실제 현장에서 나오는 피지컬 데이터"라고 말했다.

서 CTO도 이 대목에서 강하게 공감했다. "진짜 데이터가 가장 좋고, 그 다음 선택이 시뮬레이션 데이터"라며 "아무리 시뮬레이션을 해도 실제 현장에서 나온 데이터를 이길 수는 없다"고 덧붙였다.

그래서 카본식스는 시그마키트를 통해 실용적인 로봇을 먼저 깔고, 거기서 자연스럽게 데이터가 쌓이는 구조를 추구하고 있다.

문 대표는 "적은 데이터로 빠르게 문제를 풀 수 있는 1단계를 넘기고 나면, 그 다음은 현장에서 쌓이는 데이터로 범용성을 넓혀가는 단계"라며 "이게 처음부터 모든 걸 다 하겠다는 범용 로봇으로 접근하는 것보다 오히려 더 빨리 파운데이션 모델에 다가갈 수 있는 길"이라고 강조했다.

서 CTO는 "한국이 피지컬 AI의 진짜 강대국이 될 수 있다고 믿는다"며 "카본식스를 피지컬 AI와 로봇지능을 대표하는 세계적인 회사로 만들고 싶습니다"는 포부를 전했다.