티스토리 뷰
목차
클로봇·KG모빌리티의 55억 원 협업 프로젝트, LG전자의 2027년 휴머노이드 사업화, 일본의 로봇 행동 AI가 보여주는 새로운 경쟁
오늘의 한 줄
오늘 휴머노이드 산업에서 가장 중요한 변화는 로봇 한 대의 능력을 넘어 여러 로봇이 함께 일하는 기술이 등장했다는 것입니다. 한국 클로봇은 KG모빌리티 평택공장에서 휴머노이드 두 대가 자동차 부품을 함께 들어 옮기는 기술을 개발합니다. LG전자는 엔비디아와 개발 중인 이족보행 휴머노이드를 2027년 하반기에 연구용 시장부터 공급한다는 목표를 제시했습니다. 유럽은 로봇용 반도체에 집중하고, 일본은 사람의 작업 경험 1만 6천 시간 이상으로 학습한 로봇 AI를 공개했습니다.
이제 경쟁은 좋은 로봇 한 대를 만드는 것에서, 여러 로봇에게 일을 나누어 주고 안전하게 협력시키는 것으로 넓어지고 있습니다.
11월 11일 오전 기준. 10일 오후~밤에 확인된 보도와 공식 발표를 중심으로 작성했습니다. 계획·연구실 성능·실제 산업 성과를 구분합니다.
한국 — LG전자의 로봇 플랫폼
1. 오늘의 핵심 뉴스 요약
| 한국 | 클로봇, 총 55억 6천만 원 규모 다중 휴머노이드 협업 국책과제 주관 | 개발과제 선정 |
| 한국 | LG전자, 엔비디아 협업 이족보행 로봇의 2027년 하반기 상용화 목표 | 사업화 준비 |
| 한국 | 브릴스, 현대차·기아 행사에서 사족·휴머노이드 안전관제 기술 시연 | 기술 시연 |
| 유럽 | ST마이크로, 반도체공장에 이탈리아 Oversonic 휴머노이드 첫 도입 | 초기 현장 배치 |
| 일본 | AIRoA-0 로봇 AI, 특정 평가에서 작업 성공률 78% 발표 | 연구 평가 |
| 미국 | MIPS, 관절 제어·AI 추론·통신을 결합한 로봇용 반도체 공개 | 기술 플랫폼 발표 |
오늘 뉴스에서 특히 주의할 숫자는 클로봇의 **작업 성공률 95%**와 일본 AIRoA의 **성공률 78%**입니다.
95%는 한국 프로젝트가 앞으로 달성하려는 목표입니다. 78%는 일본 연구진이 특정 시험조건에서 보고한 결과입니다. 현재 실적과 미래 목표를 같은 수준에서 비교해서는 안 됩니다.
2. 국내 핵심 — 클로봇, 휴머노이드 두 대로 30kg 부품 운반에 도전
자동차공장의 도어 패널을 생각해 보겠습니다.
무게가 약 20kg에 이르는 부품이 있습니다. 차량 천장에 들어가는 헤드라이닝은 길이가 2.2m에 달하기도 합니다.
사람이 반복해서 옮기기에는 부담이 큽니다.
그렇다고 휴머노이드 한 대가 모든 부품을 안전하게 들 수 있는 것도 아닙니다.
그래서 클로봇은 로봇 두 대가 하나의 부품을 함께 들어 옮기는 기술을 개발합니다.
클로봇·KG모빌리티 협업 과제
총 연구개발비
55.6억 원
공동 운반 목표
30kg 이상
작업 성공률 목표
95% 이상
협업 동기화 응답 목표
50ms 이하
과제에는 건국대학교, 한국자동차연구원, KG모빌리티가 함께 참여합니다.
클로봇은 관제와 작업 조정을 담당합니다. 건국대는 디지털트윈과 AI 학습을 맡습니다. 한국자동차연구원은 작업데이터를 검증하고, KG모빌리티는 실제 자동차공장을 제공합니다.
계획에 따르면 4차년도에는 모의공장에서 8개월 동안 시험합니다. 5차년도에는 평택 생산라인에서 4개월 동안 실증합니다.
따라서 현재는 기술개발 과제에 선정된 단계입니다.
이미 공장에서 휴머노이드가 30kg을 운반하고 있다는 뜻은 아닙니다.
3. 기술 의미 — 로봇 두 대가 함께 일하려면 무엇이 필요한가
로봇 A가 부품의 왼쪽을 잡습니다.
로봇 B는 오른쪽을 잡습니다.
A가 먼저 움직이고 B가 늦게 움직이면 부품이 기울어집니다.
두 로봇의 손높이가 다르면 부품에 불필요한 힘이 가해집니다.
그래서 필요한 기술이 **플릿제어(Fleet Control)**입니다.
휴머노이드 두 대의 협업 구조
이 기술은 세 가지 요소가 함께 작동해야 합니다.
작업지능이 물체의 위치와 목적지를 이해합니다.
플릿제어는 두 로봇의 움직임을 맞춥니다.
힘·토크센서와 안전제어는 과도한 힘이나 충돌 위험을 감지합니다.
앞으로 이 기술이 성공하면 자동차공장뿐 아니라 조선소의 중량물, 대형가전 부품 운반에도 적용할 가능성이 있습니다.
그러나 실제 작업환경에서의 안전성과 비용을 검증해야 합니다.
4. LG전자 — 2027년 하반기 연구용 휴머노이드 공급 목표
11월 9일 LG전자는 로보틱스 인베스터 포럼에서 새로운 사업계획을 공개했습니다.
엔비디아와 협력하는 이족보행 휴머노이드를 2027년 1분기에 공개하고 하반기에 연구·교육용 시장부터 공급한다는 목표입니다.
이 전략은 처음부터 가정용 휴머노이드를 대량 판매하는 것과 다릅니다.
대학과 연구기관이 로봇을 사용하게 합니다. 개발자들은 작업 AI를 만들고 실제 로봇에서 시험합니다.
그 과정에서 새로운 로봇 기술과 데이터가 축적됩니다.
LG전자는 현재까지 학습데이터 17만 시간을 확보했으며 연말까지 50만 시간 이상을 목표로 한다고 밝혔습니다.
또 미국 테네시와 경남 창원 공장에서 바퀴형 CLOiD를 활용해 부품 운반·정렬·포장 작업을 검증하고 있습니다. 액추에이터 브랜드 AXIUM 역시 내년 외부 판매를 추진합니다.
여기에서 반드시 구분해야 합니다.
학습데이터 17만 시간은 로봇이 유료로 일한 17만 시간이 아닙니다.
또한 2027년 판매 목표와 실제 판매 완료도 다릅니다.
투자에서는 본격적인 로봇사업 매출 기여가 2030년 전후일 수 있다는 증권업계 전망도 함께 살펴볼 필요가 있습니다.
5. 핵심 부품·공급망 — 관절 안에도 AI 반도체가 들어갑니다
미국 MIPS는 새로운 로봇 관절 제어 플랫폼 Actus를 발표했습니다.
모터 제어와 센서정보 처리, AI 추론과 통신을 하나의 반도체 플랫폼에서 수행하도록 설계했습니다.
여러 관절이 필요한 순간에 위치와 힘 정보를 교환하도록 하는 기술도 포함됩니다.
이것은 한국의 액추에이터 기업에도 중요합니다.
AI가 정확하게 움직이라고 명령해도 관절이 늦게 반응하면 실제 작업에서 오류가 발생할 수 있기 때문입니다.
| 액추에이터 | 현대모비스·LG전자·로보티즈·삼현 | 토크·발열·수명 |
| 정밀감속기 | SPG·에스비비테크 | 유격·생산편차 |
| 로봇손·촉각센서 | 에이딘·테솔로·원익로보틱스 | 접촉력·반복조작 |
| 카메라·비전 | LG이노텍·삼성전기 | 정확한 공간인식 |
| 배터리 | 삼성SDI·LG에너지솔루션·SK온 | 무게·출력·작업시간 |
| 관제·운영 소프트웨어 | 클로봇·삼성SDS·LG CNS | 다중 로봇 협업·가동률 |
관련 기술과 사업 기회 기준입니다. 모든 기업의 신규 양산 수주가 확인된 것은 아닙니다.
이제 휴머노이드 공급망은 관절 자체를 넘어 관절을 정확하게 움직이는 반도체와 로봇 여러 대를 조정하는 운영 소프트웨어까지 확대되고 있습니다.
6. 글로벌 흐름 — 일본은 손의 데이터를, 유럽은 반도체를 선택했습니다
일본: 사람의 손동작 1만 6천 시간으로 학습
일본 AI로봇협회(AIRoA)는 AIRoA-0을 공개했습니다.
사람이 YUBI라는 손잡이형 장치를 사용해 작업한 16,151시간의 데이터를 로봇 AI 학습에 활용했습니다.
연구진은 처음 방문한 평가환경의 양손 조작 과제 10개에서 평균 성공률 78%를 발표했습니다. 비교 모델 가운데 가장 높은 성공률은 27%였습니다.
이 기술의 특징은 로봇을 직접 원격조종하지 않고도 사람의 작업데이터를 모을 수 있다는 점입니다.
그러나 연구 결과의 성공률은 일부 작업을 완료했을 때 부분점수를 인정하는 평가를 포함합니다.
가정이나 공장에서 78%의 작업을 완전자율로 끝낸다는 뜻은 아닙니다.
유럽: 로봇용 반도체와 현장 안전에 집중
11월 10일 Reuters는 인피니언·ST마이크로·NXP 최고경영자들이 피지컬 AI를 새로운 성장산업으로 강조했다고 보도했습니다.
특히 ST마이크로는 이탈리아 Oversonic의 휴머노이드 한 대를 몰타 반도체공장에 도입했습니다.
현재는 초기 실증 단계입니다. 대규모 배치가 완료된 것은 아닙니다.
유럽의 강점은 자동차와 산업기계에서 축적한 전력반도체·센서·안전제어 기술입니다.
이는 한국의 자동차·반도체·로봇부품 기업들이 상대해야 할 중요한 경쟁력입니다.
7. 유튜브·공개 영상 — 실제 작업과 구동기 시험을 구분합니다
Boston Dynamics — Atlas on a Roll
11월 9일 공식 공개 · 약 2분 51초
바퀴를 단 Atlas가 방향을 바꾸고 회전 점프를 수행합니다. 핵심 목적은 관절 구동기와 전신 제어 능력의 한계시험입니다.
AIRoA-0 — 작업을 학습한 로봇의 공식 시연
2026년 11월 연구 발표
수건 접기·물체 분류 등 양손 조작을 볼 수 있습니다. 공식 자료에는 일부 영상이 2~5배속으로 재생된다고 명시되어 있습니다.
클로봇의 신규 협업 과제는 아직 개발단계입니다. 따라서 30kg 공동 운반을 이미 달성한 공식 현장영상은 확인되지 않았습니다.
8. 사회 변화 — 한 사람이 여러 로봇을 지휘하는 제조현장
휴머노이드가 두 대 이상 함께 일하기 시작하면 사람의 역할도 달라집니다.
작업자는 무거운 부품을 직접 반복해서 옮기기보다 작업을 가르치고 결과를 검수하는 역할을 맡을 수 있습니다.
로봇이 고장 나면 정비기술자가 부품을 교체합니다.
작업 조정 담당자는 여러 로봇의 순서를 정합니다.
이 과정에서는 로봇 교육, 안전검증, 데이터 관리와 유지보수 분야의 일이 중요해질 수 있습니다.
그러나 기존 반복 운반업무가 감소할 가능성도 있습니다. 따라서 노동자의 재교육과 안전관리, 작업데이터 사용에 대한 동의와 보상이 함께 필요합니다.
9. 투자 관점 — 목표 숫자와 실적 숫자를 구분해야 합니다
기존 일곱 지표는 그대로 유지하겠습니다.
| Paid Working Hours | 유료 작업을 수행한 시간 |
| Intervention Rate | 사람의 개입 빈도 |
| First-attempt Success Rate | 첫 시도 성공률 |
| Repeat Order | 고객의 후속주문 |
| Uptime | 실제 작업 가능 시간 비율 |
| BOM Share | 한 대당 부품 공급가치 |
| Developer Count | 플랫폼 개발자 생태계 |
클로봇의 55.6억 원은 전체 국책과제의 사업비입니다. 이를 클로봇의 확정 매출이나 이익으로 계산해서는 안 됩니다.
LG전자의 2027년 판매와 AXIUM 외부 공급은 계획입니다.
일본의 성공률 78%는 연구 평가이고, 유럽의 휴머노이드 공장 설치는 초기 실증입니다.
사업성을 평가하려면 결국 실제 납품과 유료 작업, 고객의 반복주문을 확인해야 합니다.
10. 주요 리스크
첫째, 로봇 두 대가 공동으로 30kg을 들어 옮기는 기술은 아직 개발목표입니다.
둘째, 협업하는 로봇이 늘어날수록 통신과 동기화, 충돌방지 기술이 복잡해질 수 있습니다.
셋째, 공장에서의 안전인증과 현장별 위험성 평가가 필요합니다.
넷째, LG전자의 학습데이터 17만 시간은 실제 유료 작업시간과 다릅니다.
다섯째, 일본의 연구 성공률을 모든 로봇에 적용할 수는 없습니다.
여섯째, 유럽의 로봇용 반도체와 중국의 저가 부품 공급망은 한국 기업의 가격경쟁력을 압박할 수 있습니다.
일곱째, 고정형 산업용 로봇이나 AMR이 더 경제적인 공정도 많습니다.
따라서 오늘도 같은 기준을 유지해야 합니다.
개발 목표 ≠ 실적
연구 성공률 ≠ 상용화 성능
현장 실증 ≠ 반복주문
좋은 기술 ≠ 기업의 이익
11. 오늘의 결론 — 한국은 로봇이 함께 일하는 방법을 만들 수 있습니다
2026년 11월 11일.
한국은 로봇 한 대를 잘 움직이는 기술에서 한 걸음 더 나아가려 합니다.
클로봇은 휴머노이드 두 대가 무거운 부품을 함께 운반하는 기술을 개발합니다.
LG전자는 로봇의 몸과 학습데이터, 관절과 개발도구를 결합해 새로운 시장을 준비합니다.
일본은 사람의 손동작을 데이터로 모으고, 유럽은 관절을 안전하게 움직이는 반도체에 집중합니다.
이들은 서로 다른 기술을 개발하지만 결국 하나의 문제를 해결하려 합니다.
로봇이 실제 현장에서 사람의 일을 안전하고 경제적으로 완성할 수 있는가?
한국에는 자동차와 반도체, 배터리와 조선 등 실제 제조현장이 있습니다.
그곳에서 숙련자의 경험을 데이터로 만들고 여러 로봇이 함께 일하도록 가르칠 수 있습니다.
그러나 성공을 선언하려면 실제 숫자가 필요합니다.
작업을 몇 번 완수했는가.
사람은 몇 번 개입했는가.
얼마나 오래 고장 없이 일했는가.
고객이 다시 주문했는가.
그 결과를 검증할 때 비로소 휴머노이드 산업은 실제 제조업으로 자리 잡을 수 있습니다.
오늘의 한 문장
휴머노이드의 다음 경쟁력은 혼자 멋진 동작을 하는 데 있지 않고, 다른 로봇과 힘을 나누고 움직임을 맞춰 실제 작업을 안전하게 끝내는 능력에 있습니다.