AI의 진보는 눈부시지만, 눈에 보이는 성과는 거의 전부 컴퓨터 안에서 이뤄지는 지식 노동에 몰려 있다. 샌프란시스코 AI 업계에서는 곧 로봇이 이 대열에 합류하리라는 믿음이 널리 퍼져 있다. 범용 AI 개발 경쟁과 나란히, 요리하고 청소하고 물건을 나르며 심지어 자기 자신을 더 만들어내는 휴머노이드를 향한 경쟁도 치열하다. 데이터센터의 AI가 지적 노동을 흡수하고, 인간형 몸체에 담긴 AI가 육체 노동을 흡수한다는 그림이다. 그러나 결정적 차이가 있다. 지적 영역의 진전은 누구나 ChatGPT로 확인할 수 있지만, 물리적 AI는 아직 시험 시설과 데모 영상에 갇혀 있다. 로봇판 ChatGPT, 즉 일반인은 물론 AI 커뮤니티 대다수도 직접 만져볼 수 있는 제품은 존재하지 않는다.
데모 영상을 의심해야 하는 이유
그래서 우리는 데모 영상에 의존하게 되는데, 이는 진척도를 가늠하는 도구로는 형편없다. 우리가 보는 장면이 100번 시도 끝에 나온 단 한 번의 성공일 수 있고, 로봇이 아직 감당 못 하는 난관을 피하도록 무대가 세심히 짜였을 수도 있으며, 실제보다 빠르고 안정적으로 보이도록 편집됐을 수도 있다. 지나치게 잦은 화면 전환은 그런 의심의 단서다. 최근 열린 세계 휴머노이드 로봇 게임처럼 체리피킹이 어려운 공개 무대는 그나마 낫지만, 인상적인 장면과 함께 처참한 실패도 적지 않았다. 다음에 인상적인 로봇 영상을 볼 때는 질문을 바꿔보라. 이 로봇은 어떤 능력을 실제로 보여줬고, 이 시나리오는 어떤 난관을 교묘히 회피했는가.
손과 제어, 그리고 인식의 벽
인간의 손은 공학적 기적이다. 약 24개의 자유도와 약 1만7,000개의 촉각 센서를 갖추고, 뇌는 촉각·시각·청각 단서를 동원해 섬세한 작업을 정확하고 안정적으로 수행한다. 현재의 로봇 매니퓰레이터는 창백한 모방에 그친다. 자유도가 27개에 이르는 손도 있고, 손끝에 수천 개의 촉각 센서를 욱여넣은 사례도 있지만, 유연성·민감도·힘·내구성의 조합을 인간 수준으로 맞춘 곳은 없다. 특히 그 작은 센서들이 험한 사용을 견디게 만드는 문제는 여전히 미해결이다. 제어의 난도도 물리적 제작만큼이나 높다. 복잡한 물체를 쥘 관절 배치를 찾고, 셔츠를 개거나 좁은 공간에서 볼트를 조이는 동작 순서를 계획하며, 물렁하거나 흐물거리는 재료의 갑작스러운 변화에 즉각 반응해야 한다. 컴퓨터 비전은 지난 20여 년간 놀랍게 발전했지만, 어수선한 환경에서 물체를 골라내고 어디를 쥘지, 어디에 발을 디뎌야 안전한지 판단하는 일은 아직 풀린 문제가 아니다.
데이터와 상식, 그리고 협업의 문제
범용 로봇은 작업을 단계로 쪼개 환경과 연결하고, 요리나 배관·엔진 수리처럼 더 크고 복잡한 계획을 세우며, 멈춘 볼트나 부엌으로 뛰어드는 아이 같은 돌발 상황에서 계획을 다시 짜야 한다. 여기에는 물건이 어디 보관되는지, 그 요양 시설 입주자가 얼마나 도움이 필요한지 같은 맥락도 필요하다. LLM은 이미 쓰인 책 상당수와 웹이라는 방대한 기존 데이터 덕에 빠르게 성장했지만, 물리적 작업에는 그에 견줄 만한 데이터 풀이 마땅치 않다. 게다가 오늘의 AI 에이전트는 대체로 고립된 정적 환경에서 홀로 작동한다. 반면 로봇은 사람 또는 다른 로봇과 협력해야 하는 경우가 많다.
속도, 안전, 그리고 신뢰성이라는 최종 관문
오늘날 범용 로봇은 사람보다 훨씬 느리게 움직인다. 밤새 빨래를 개도 상관없는 가사라면 몰라도, 요리사나 요양 보조로는 쓸모가 떨어지고 창고에서는 오히려 방해가 된다. 힘, 무게, 관절 수, 기동성을 동시에 잡기도 어렵다. 강력한 모터는 열을 더 내고 배터리를 빨리 소모하는데, 이 둘은 이미 로봇의 약점이다. 사람 크기 로봇은 사람의 약 두 배에 달하는 열을 내지만, 순환과 발한 같은 우아한 방열 기제가 없다. 배터리는 팩 교체나 충전 그리드로 우회할 수 있을지 몰라도, 발열과 잦은 고장은 만만치 않다. 안전 문제도 거의 무한하다. LLM 에이전트는 이메일 발송이나 파일 삭제 같은 개별 행위를 검토해 위험을 거른다. 그러나 끊임없이 움직이는 로봇에서 위험한 몇몇 동작만 골라 검토하기란 쉽지 않다. 자율주행차는 문제가 생기면 갓길에 대거나 급정거할 수 있지만, 갑자기 얼어붙은 로봇은 가스레인지에 뭔가를 올려둔 채 멈추거나 넘어지며 곁의 사람을 다치게 할 수 있다.
이 대목에서 웨이모의 경험은 시사적이다. 20여 년의 개발과 2억2,000만 마일이라는 주행 기록에도 웨이모는 여전히 물에 잠긴 도로나 불꽃놀이 위로 진입하는 엣지 케이스에 취약하다. 통제된 도로에서도 이 정도라면, 다양한 도구와 다양한 몸체로 훨씬 다양한 환경을 상대해야 하는 가정·사업장 로봇은 비교할 수 없이 많은 예외 상황을 만나게 된다. 결국 공장 바닥 같은 통제된 환경 밖에서 안정적으로 작동하는 일이야말로 가장 어려운 과제일 수 있다. LLM이 기존 GPU와 반도체 공장을 그대로 전용해 순식간에 확장할 수 있었던 것과 달리, 물리 지능에는 그런 지름길이 보이지 않는다. 다음 데모 영상이 아무리 매끈해 보여도, 그 장면이 무엇을 보여주지 않았는지를 먼저 묻는 편이 현실에 가깝다.