티스토리 뷰
목차
프로젝트 휴먼로봇 | 2026년 9월 2일 오늘의 휴머노이드 로봇 소식
자동차 공장이 휴머노이드의 ‘AI 학교’가 되기 시작했습니다
BYD까지 공장을 개방했습니다 — 한국의 승부처는 로봇 생산량보다 ‘현실세계 학습 루프’일 수 있습니다
오늘의 한 줄
오늘 휴머노이드 산업에서 가장 중요한 변화는 로봇을 얼마나 많이 만드느냐보다, 실제 공장에서 얼마나 빨리 실패하고 배우느냐의 경쟁이 시작됐다는 것입니다. BYD가 자동차·부품 공장을 휴머노이드 학습공간으로 열고, 현대차 역시 ‘훈련 → 공장 투입 → 작업데이터 → AI 재학습’ 구조를 구축하고 있습니다. 여기에 국내에서는 뉴로메카가 오늘부터 피지컬 AI 플랫폼 PSF와 휴머노이드 EIR를 공개합니다. 한국이 가진 자동차·반도체·배터리·철강·조선 공장은 이제 생산시설을 넘어 피지컬 AI의 거대한 학습장이 될 수 있습니다.
1. 오늘의 핵심 뉴스 요약
오늘 가장 먼저 볼 뉴스는 중국 BYD입니다.
BYD는 중국 피지컬 AI 스타트업 PaXini(파시니)와 전략적 협력을 맺고 자동차·부품 제조공정과 공장, 공급망을 로봇의 실제 산업환경 검증장으로 제공하기로 했습니다.
파시니는 촉각센서, 덱스터러스 핸드, 휴머노이드 Tora 등을 개발하는 기업입니다.
중요한 것은 로봇을 BYD 공장에 단순히 가져다 놓는 것이 아닙니다.
공장 작업
↓
로봇 실행
↓
성공·실패 데이터
↓
AI 모델 학습
↓
로봇 개선
↓
다시 공장
이라는 순환을 만들겠다는 것입니다.
이 흐름에는 이미
테슬라,
BMW,
메르세데스-벤츠,
현대자동차
등이 참여하고 있습니다.
따라서 오늘 뉴스의 핵심은
“BYD도 휴머노이드를 만든다.”
가 아닙니다.
세계 자동차 공장이 휴머노이드의 AI 학교로 바뀌기 시작했다.
입니다.
2. 오늘 뉴스가 보여주는 기술 변화
어제는 ‘GYM’, 오늘은 ‘REAL WORLD’입니다
어제 우리는 로보티즈의 OH!GYM!과 독일 Schaeffler의 Humanoid Gym을 보았습니다.
시뮬레이션과 훈련시설에서 로봇에게 새로운 행동을 가르치는 단계였습니다.
오늘 BYD와 글로벌 자동차업체들의 흐름을 연결하면 다음 단계가 나타납니다.
Simulation
↓
Humanoid Gym
↓
Factory
↓
Real-world Data
↓
AI Re-training
↓
Factory
입니다.
이것이 앞으로 매우 중요한 피지컬 AI 학습 루프입니다.
왜 공장이 필요한가
시뮬레이션에는 문제가 있습니다.
현실은 완벽하지 않기 때문입니다.
부품의 위치가 조금씩 다릅니다.
바닥의 마찰도 다릅니다.
조명도 변합니다.
사람이 갑자기 지나갑니다.
케이블은 예상과 다르게 휘어집니다.
박스의 무게도 조금씩 다릅니다.
따라서 시뮬레이션에서 성공률 100%인 로봇도 실제 공장에서는 실패할 수 있습니다.
오늘 국내 업계에서도 Sim-to-Real 격차를 줄이기 위해 물리정보를 정밀하게 반영한 데이터·시뮬레이션과 실제 로봇 검증을 함께 갖춰야 한다는 분석이 나왔습니다.
결국 피지컬 AI의 핵심은
가상세계에서 배우고 현실세계에서 틀린 것을 다시 배우는 것
입니다.
3. 오늘 한국에서 시작되는 또 하나의 실험 — 뉴로메카
오늘 9월 2일부터 광주 김대중컨벤션센터에서는 2026 전남광주미래산업박람회가 시작됩니다.
여기에서 뉴로메카가 피지컬 AI 플랫폼
PSF — Physical Skill Foundation
을 공개합니다.
PSF가 지향하는 방향은 기존 산업용 로봇과 다릅니다.
기존 로봇은 사람이
“여기로 이동해.”
“이 위치에서 잡아.”
“이 각도로 움직여.”
라고 하나하나 프로그래밍하고 티칭해야 했습니다.
뉴로메카가 제시하는 방향은
사전 프로그래밍과 반복적인 티칭을 줄이고 변화하는 환경과 새로운 작업에 스스로 대응하는 로봇
입니다.
그리고 PSF를 적용한 휴머노이드 EIR(에이르)도 함께 전시됩니다.
이것은 오늘 BYD 뉴스와 정확히 연결됩니다.
앞으로 로봇의 경쟁력은
“프로그램된 동작을 얼마나 정확하게 반복하는가”
에서
“처음 만난 상황에 얼마나 잘 적응하는가”
로 이동하고 있습니다.
4. 핵심 부품·공급망
오늘의 공급망 핵심은 조금 다릅니다.
어제는 액추에이터와 플랫폼을 많이 봤다면 오늘은 현실세계의 정보를 AI에게 전달하는 부품을 더 중요하게 봐야 합니다.
① 촉각센서
오늘 BYD가 손잡은 파시니의 핵심기술 가운데 하나입니다.
로봇손이 물체를 잡을 때 카메라만으로는 부족합니다.
로봇은
얼마나 세게 잡았는지,
미끄러지는지,
딱딱한지,
부드러운지,
접촉면이 어디인지
알아야 합니다.
이것을 알려주는 것이 촉각입니다.
즉,
카메라가 로봇의 눈이라면 촉각센서는 피부입니다.
파시니는 촉각센서와 다차원 인지기술을 BYD의 제조환경과 연결할 계획입니다.
② 로봇손
최근 우리가 계속 추적하는 이유가 있습니다.
공장에서 인간이 하는 많은 고부가가치 작업은 결국 손에서 나옵니다.
케이블 삽입,
볼트 체결,
부품 정렬,
공구 사용,
커넥터 연결,
검사입니다.
최근 집계에서는 중국이 올해 상반기 세계 휴머노이드 출하량의 대부분을 차지했지만, 지능형 제조에 투입된 비중은 13% 수준이라는 분석도 나왔습니다.
즉,
많이 만들었다 ≠ 공장에서 사람처럼 일한다
입니다.
그래서 앞으로는 출하대수보다 손의 작업 성공률을 봐야 합니다.
③ 힘·토크센서
물체를 잡는 것만으로 끝나지 않습니다.
케이블을 꽂거나 볼트를 조이려면 힘의 방향을 알아야 합니다.
너무 강하면 부품이 파손되고,
너무 약하면 작업이 실패합니다.
따라서 휴머노이드가 정밀제조로 들어갈수록
힘·토크센서 + 촉각센서 + 비전
의 결합이 중요해집니다.
④ 카메라·3D 센싱
공장에는 예상하지 못한 상황이 끊임없이 생깁니다.
로봇은
사람,
부품,
공구,
장애물,
이동경로
를 실시간으로 파악해야 합니다.
결국 피지컬 AI의 데이터는
영상 + 촉각 + 힘 + 관절 + 음성 + 작업결과
가 결합된 멀티모달 데이터가 됩니다.
⑤ AI 반도체·메모리
데이터가 많아질수록 연산량도 증가합니다.
NVIDIA가 로봇용 반도체만 판매하지 않고 GR00T와 Cosmos 같은 모델·시뮬레이션 생태계를 함께 구축하는 이유도 여기에 있습니다.
최근 보도에서도 NVIDIA는 로봇·자동차·드론을 포함한 피지컬 AI를 중요한 성장축으로 보고 있으며 중국의 Unitree·AgiBot 등과도 생태계를 확대하고 있습니다.
한국에서는 이것이 삼성전자와 SK하이닉스의 메모리 기회로 연결될 수 있습니다.
⑥ 행동데이터
오늘 가장 중요한 공급망입니다.
철강은 사고팔 수 있습니다.
모터도 살 수 있습니다.
센서도 살 수 있습니다.
하지만
자동차 조립공장에서 로봇이 10만 시간 동안 일하면서 얻은 성공과 실패 데이터
는 돈만 있다고 바로 만들 수 없습니다.
Reuters가 최근 중국 휴머노이드 산업을 취재하면서도 데이터 부족을 핵심 병목으로 지적했습니다. 중국 업계 추산으로 고품질 훈련데이터가 약 50만 시간 수준인데 진정한 물리적 지능을 위해서는 훨씬 큰 규모가 필요하다는 견해가 소개됐습니다.
이 때문에 공장이 중요해집니다.
5. 국내 기업 기회
현대자동차 + Boston Dynamics
오늘 뉴스에서 가장 직접적인 한국 기업입니다.
현대차그룹은 이미 미국에 RMAC(Robot Metaplant Application Center)를 만들었습니다.
계획대로라면 여기에서 Atlas를 훈련시키고 2028년부터 미국 조지아 HMGMA에 투입하면서 실제 작업데이터를 확보하게 됩니다.
그리고 현대차그룹은 이 구조를 스스로 Real-World Loop라는 개념으로 설명하고 있습니다.
AI가 판단한다.
↓
로봇이 움직인다.
↓
현실 데이터가 발생한다.
↓
데이터로 AI를 개선한다.
↓
다시 현실에 투입한다.
현대차그룹 공식 설명에서도 이 반복구조를 피지컬 AI의 중요한 경쟁력으로 제시합니다.
이것은 매우 중요합니다.
현대차가 가진 진짜 자산은 Atlas 한 대가 아닐 수 있습니다.
Atlas에게 매일 일을 가르칠 수 있는 자동차공장입니다.
삼성전자 + 레인보우로보틱스
삼성에서도 흥미로운 움직임이 나타나고 있습니다.
삼성리서치아메리카의 Robotics Intelligence Lab은 최근 Data Efficiency 조직을 신설하고 관련 인력을 확충하고 있다는 보도가 나왔습니다. 삼성SDS 역시 제조현장의 휴머노이드 운영·모니터링을 위한 AI 연구를 확대하고 있습니다.
이름 자체가 중요합니다.
Data Efficiency.
앞으로 경쟁은 데이터를 무조건 많이 모으는 것만이 아니라
적은 데이터로 얼마나 빨리 로봇을 학습시키느냐
의 경쟁도 될 가능성이 있습니다.
삼성에는
반도체공장,
전자제품 공장,
디스플레이,
물류
라는 현실세계 학습장이 있습니다.
레인보우로보틱스의 몸과 삼성의 공장·AI·반도체가 연결될 때 의미가 커집니다.
LG전자 + LG CNS
LG도 같은 구조를 만들고 있습니다.
LG CNS는 Skild AI와의 전략적 협력을 통해 로봇 파운데이션 모델을 제조·물류 현장의 데이터로 파인튜닝하고, 로봇 하드웨어와 자체 로봇 운영 플랫폼을 결합한 산업용 휴머노이드 서비스를 추진하고 있습니다.
LG전자 역시 CLOiD를 실제 생산라인에서 검증하고 있고, 향후 NVIDIA 기반 이족보행 휴머노이드 공개도 추진하고 있습니다.
결국 LG도
공장 → 데이터 → 모델 → 로봇 → 공장
이라는 동일한 방향으로 가고 있습니다.
뉴로메카
오늘부터 직접 확인해야 할 국내 기업입니다.
휴머노이드 EIR 자체보다 더 중요한 것은 PSF입니다.
만약 PSF가 여러 로봇과 여러 산업에 적용될 수 있다면 뉴로메카의 가치는 완성 로봇 판매량보다
얼마나 많은 작업 Skill을 플랫폼화할 수 있는가
에서 만들어질 가능성이 있습니다.
아직은 전시·기술 공개 단계이므로 실제 고객 실증과 반복 주문까지 확인해야 합니다.
6. 글로벌 흐름 — 자동차 회사들이 로봇 AI 회사가 됩니다
오늘 흐름을 국가별로 보면 재미있는 변화가 나타납니다.
중국 — BYD
BYD는 단순한 자동차회사가 아니라
자동차 제조 + 배터리 + 전자부품 + AI + 로봇
으로 영역을 넓히고 있습니다.
이번 파시니 협력은 공장 자체를 데이터 생산시설로 이용한다는 점에서 중요합니다.
미국 — Tesla
Tesla는 자율주행에서 사용한
데이터 → 학습 → 업데이트
방식을 Optimus로 확장하려 하고 있습니다.
자동차가 도로에서 데이터를 만들었다면,
Optimus는 공장에서 행동데이터를 만들게 됩니다.
독일 — BMW·Mercedes-Benz
BMW와 Mercedes-Benz 역시 자동차공장을 휴머노이드의 실제 작업 검증장으로 사용하고 있습니다.
한국 — Hyundai
현대차 역시 RMAC → HMGMA → AI 재학습 구조를 만들고 있습니다.
따라서 글로벌 자동차산업의 경쟁구도는 앞으로
자동차 생산량
만이 아니라
누가 더 좋은 피지컬 AI 학습 루프를 가지고 있는가
까지 확대될 가능성이 있습니다.
7. 이번 주 다음 무대 — IFA 2026
9월 4일부터 독일 베를린에서는 IFA 2026이 열립니다.
올해 IFA Next에는 약 300개 기업·스타트업·연구기관이 참가하고, 행사 측은 역대 가장 많은 휴머노이드 로봇이 전시될 것이라고 밝혔습니다.
특히 9월 5일에는
Unitree,
AgiBot,
EngineAI,
Dobot,
DEEP Robotics,
AIMOGA
등이 참여하는 Robots on the Runway가 열립니다.
하지만 우리는 이번 IFA를 단순히
“어떤 로봇이 춤을 잘 추는가”
로 보면 안 됩니다.
확인할 것은
가정·상점·서비스 공간에서 무엇을 실제로 하는가
입니다.
공장에서 배운 피지컬 AI가 생활공간으로 이동할 수 있는지를 보는 것입니다.
8. 유튜브·공개 영상에서 오늘부터 확인할 것
8월에는 로봇의 운동능력을 많이 봤습니다.
달리기,
격투,
축구,
파쿠르였습니다.
9월에는 영상 보는 기준을 바꾸겠습니다.
첫째 — 연속 작업시간
한 번 성공하는지가 아니라 몇 시간 계속하는가.
둘째 — First-attempt Success Rate
첫 번째 시도에서 성공하는가.
셋째 — Intervention Rate
사람이 얼마나 자주 개입하는가.
넷째 — Recovery
실패했을 때 스스로 복구하는가.
다섯째 — Generalization
처음 보는 물체나 조금 다른 환경에서도 성공하는가.
여섯째 — 영상의 연속성
짧게 편집된 성공 장면인지, 실제 연속작업인지 구별합니다.
앞으로 공개영상을 볼 때 이 여섯 가지를 프로젝트 휴먼로봇의 영상 평가기준으로 삼으면 좋겠습니다.
9. 휴머노이드가 만드는 사회·일자리 변화
오늘의 흐름은 노동의 미래에서도 중요한 의미가 있습니다.
공장이 AI 학교가 되면 숙련 노동자가 AI 교사가 될 수 있기 때문입니다.
자동차 조립 숙련자가 로봇에게 작업을 보여줍니다.
로봇이 따라합니다.
틀립니다.
숙련자가 수정합니다.
이 데이터가 저장됩니다.
AI가 다시 학습합니다.
그러면 지금까지 사람의 몸에만 존재했던
암묵적 숙련
이
행동데이터
로 바뀝니다.
따라서 피지컬 AI 시대에는 새로운 직업이 생길 수 있습니다.
로봇 행동 트레이너,
행동데이터 엔지니어,
Sim-to-Real 엔지니어,
로봇 플릿 관리자,
휴머노이드 정비사,
로봇 안전관리자입니다.
반대로 단순 반복·운반·위험 작업은 자동화 압력이 더 커질 가능성이 있습니다.
최근 미국 제조업의 피지컬 AI 확산을 분석한 Financial Times도 생산성·숙련인력 부족 해결 가능성과 함께 고용 충격을 동시에 지적했습니다.
10. 투자 관점 — 오늘부터 ‘학습 루프’를 봅니다
우리가 정한 상용화 사다리를 그대로 적용합니다.
기술 공개
↓
시제품
↓
실증
↓
유료 판매
↓
반복 주문
↓
양산
↓
유지보수 매출
그리고 오늘부터 한 가지 질문을 더 강하게 넣겠습니다.
이 회사에는 Real-World Learning Loop가 있는가?
즉,
로봇을 만들고,
고객현장에 넣고,
데이터를 가져오고,
AI를 개선하고,
다시 로봇에 배포할 수 있는가
를 봅니다.
우리가 계속 추적할 7개 지표
Paid Working Hours
고객이 돈을 내고 실제 일한 시간.
Intervention Rate
사람이 개입해야 하는 빈도.
First-attempt Success Rate
첫 시도 성공률.
Repeat Order
고객이 다시 주문했는가.
Uptime
실제 가동률.
BOM Share
로봇 한 대 가치 가운데 기업이 가져가는 몫.
Developer Count
해당 플랫폼을 사용하는 개발자 수.
오늘 여기에 분석용으로 하나를 더 붙여볼 수 있습니다.
Learning Cycle Time
현장에서 발견된 실패를 AI가 학습해 개선된 로봇으로 다시 배포하는 데 며칠이 걸리는가.
앞으로 피지컬 AI 기업의 경쟁력을 보여주는 중요한 숫자가 될 가능성이 있습니다.
11. 주요 리스크와 반대 증거
첫째 — 휴머노이드가 반드시 최선의 자동화 수단은 아닙니다
오늘 Financial Times는 중국의 진짜 로봇 혁명이 화려한 휴머노이드보다 기존 산업용 로봇에서 먼저 일어나고 있다고 지적했습니다. 중국은 이미 세계 산업용 로봇 설치의 절반 이상을 차지할 정도로 강력한 자동화 기반을 가지고 있습니다.
작업에 따라서는 휴머노이드보다 산업용 로봇팔이나 AMR이 훨씬 싸고 효율적일 수 있습니다.
둘째 — 공장에 들어갔다고 상용화된 것은 아닙니다
PoC와 실제 생산투입은 다릅니다.
따라서
“○○공장에서 테스트했다”
라는 기사만 보고 상용화로 판단해서는 안 됩니다.
유료 계약,
실제 가동시간,
반복 주문
까지 봐야 합니다.
셋째 — 중국의 양적 우위는 매우 큽니다
최근 집계에서 중국 기업들은 세계 휴머노이드 출하량에서 압도적인 비중을 차지하고 있습니다.
한국이 단기간에 생산량만으로 경쟁하는 것은 쉽지 않습니다.
넷째 — 데이터가 많다고 좋은 AI가 되는 것도 아닙니다
쓸모없는 실패데이터 100만 시간보다
정확하게 라벨링되고 힘·촉각·영상·작업결과가 연결된 1만 시간이 더 가치 있을 수 있습니다.
따라서 앞으로는
데이터 양 → 데이터 품질
도 함께 봐야 합니다.
다섯째 — 로봇손과 지능은 여전히 병목입니다
Reuters의 최근 중국 현장 취재에서도 화려한 운동능력과 달리 실제 제조작업에서는 정밀조작·적응성·자율성이 충분하지 않은 사례가 확인됐습니다.
여섯째 — AI 플랫폼 의존입니다
한국이 좋은 몸과 공장을 가지고 있더라도 로봇의 핵심 파운데이션 모델과 개발환경을 해외 플랫폼에 지나치게 의존하면 가치의 상당 부분을 외부가 가져갈 수 있습니다.
일곱째 — 투자 과열입니다
산업이 커지는 것과 현재 로봇 관련 종목의 주가가 적정하다는 것은 다른 문제입니다.
산업 성장 ≠ 기업 매출 ≠ 기업 이익 ≠ 적정 주가
라는 구분을 계속 유지해야 합니다.
12. 오늘의 결론 — 한국의 공장은 생산시설인가, AI 학교인가
2026년 9월 2일.
오늘 BYD 뉴스를 보면서 우리가 던져야 할 질문은 이것입니다.