가상 환경의 ‘연산 자원’과 데이터 보관소에 머물던 ‘클라우드’가 공장의 로봇·설비·장비 구동 운영 인프라로 확장되고 있다. 과거 전산 인프라 확보에 치중했던 클라우드의 역할이 데이터 수집, 모델 학습, 시뮬레이션 검증, 실시간 제어·관제를 관통하는 ‘현장 구동 인프라’로 체질을 바꾸면서다.

 

사용자 화면(UI) 속 디지털 연산이 로봇 궤적·속도, 물류 동선, 순찰 장비 이상 감지 등 비정형적 물리 환경과 실시간으로 동기화되는 패러다임 전환이 이뤄지는 양상이다.

 

이러한 변화의 최전선에 놓인 현실 인프라가 로봇이다. 이 가운데 공간 데이터 확보, 기체 학습, 시뮬레이션 검증까지 로봇 고도화에 필요한 워크플로가 클라우드 인프라 위에서 활약을 앞두고 있다. 구동 후 발생하는 위치·영상·상태 등 정보가 클라우드로 끊임없이 되돌아오기 때문이다. 앞으로의 로봇 성능은 데이터를 정제하고 다종·이기종 기체를 실시간 제어하며 관리·통제하는 '클라우드 관리 체계'에서 결정될 전망이다.

 

이 때문에 로봇 도입을 위한 의문도 바뀌고 있다. 어떤 기체를 들여올 것인가에 앞서, 학습·검증·운영 전반을 아우르는 관리 인프라를 어떻게 구축할 것인가가 선행 과제다. 실제 현장에는 사람, 장애물, 작업 지연, 돌발 상황 같은 변수가 끊임없이 끼어들기 때문이다. 이 변수를 제어하지 못한 로봇은 현장에서 오래가기 힘들다.

 

그렇기에 지금부터의 클라우드는 이 복잡한 현장 상황을 계산·기록하며 다시 조정하는 기본 바탕이다. 로봇의 물리적 움직임 뒤에 보이지 않는 운영 인프라가 결합하는 구조다.

 

이 흐름은 이달 서울 강남구 삼성동 소재 전시장 코엑스에서 열린 ‘아마존웹서비스 서밋 서울 2026(AWS Summit Seoul 2026)’ 현장에서 구체적인 형태를 얻었다. 올해 행사는 생성형 AI(Generative AI)와 에이전틱 AI(Agentic AI)부터 피지컬 AI(Physical AI)까지 다양한 인공지능(AI) 기술 체계를 다뤘다.

 

 

이때 피지컬 AI는 AI가 물리적 환경을 직접 학습·적응해, 로봇·설비가 실제 공간에서 자율적으로 문제를 해결하고 인간과 협력하도록 구현하는 기술 방법론이다.

 

현장에는 산업별 AI 활용 사례와 개발자 체험 공간이 함께 배치됐지만, 로보틱스 관점에서 가장 핵심인 곳은 ‘피지컬 AI 존’이었다. 이곳에서 클라우드는 로봇의 설계·학습·검증·운영을 떠받치는 실행 인프라로 제시됐다.

 

기체 중심 로봇 트렌드 바뀌나...하드웨어 뒷단에 숨은 ‘클라우드 아키텍처’가 온다

 

피지컬 AI 존에서의 핵심 콘셉트는 로봇 하드웨어보다, 학습·검증·운영을 통합 관리하는 클라우드 소프트웨어 아키텍처다. 쉽게 말해, 데이터를 모으고 가상 공간에서 검증해 현장에 투입하는 '실행 체계'의 완성도가 더 중요하다는 목적을 부각한 것.

 

아마존웹서비스(AWS)는 이 공간에 대해 ▲데이터 수집 ▲모델 훈련·최적화 ▲시뮬레이션 ▲시뮬레이션·현실 전이(Sim2Real) ▲현장 구동(Edge Operation) ▲자율 통합 관리(Agentic Orchestration) 등 단계로 세분화했다. 로봇을 현장에 투입하기 전 거쳐야 하는 학습·검증부터 투입 이후의 제어·운영까지 전체 과정을 하나로 통합하겠다는 선언이다.

 

이 구역에는 로아이, 컨피그, 뉴빌리티 등 국내 로보틱스 기술 업체가 참여해 각각의 기술적 역량을 실증했다.

 

우선 로봇 시뮬레이션 시스템 업체 ‘로아이’는 가상 환경 안에서 로봇의 최적 경로를 설계하고 이를 실제 물리적 구동으로 무결하게 연결하는 시뮬레이션 단계를 검증했다. 이어 로봇 행동 지능 제어 플랫폼 업체 ‘컨피그’는 인간과 공존하는 작업 공간에서 로봇이 스스로 상황을 판단해 장애물을 회피하고 작업을 완수하는 ‘모방학습(Imitation Learning), 강화학습(Reinforcement Learning)’ 과정을 구현했다.

 

이후 국내 자율주행로봇(AMR) 기술 업체 ‘뉴빌리티’는 실외 배달·순찰 로봇을 클라우드 통합 관제 시스템과 연동해 실시간 현장 제어를 다루는 ‘운영·관제’ 단계를 증명했다.

 

▲ AWS 서밋 서울 2026 엑스포 전시장으로 가는 길. (촬영·편집 : 헬로티 최재규 기자)

 

이들 세 기업의 데모를 관통하는 공통 분모는 로봇을 실제로 운용하기 위한 기술 방법론이다. ▲로봇 구동 전 데이터 수집 ▲가상 환경 내 움직임 사전 검증 ▲실제 운영 공간 내 현장 정보 환류(Feedback) 등의 순환 구조였다. 이러한 모습을 담은 피지컬 AI 존을 살펴보자.

 

< 로아이 > AI가 사람 앞섰다, 최적 경로 계산으로 ‘생산 주기’ 단축하는 법

 

로아이는 제조 현장의 경로 설계 문제를 체험형 데모로 선보였다. 웹(Web) 기반 3차원(3D) 시뮬레이션 사용자 화면(UI)에는 장애물과 목표 지점이 있었고, 참관객은 로봇이 지나갈 순서를 직접 정했다. 화면에서 완성된 경로는 옆에 놓인 실제 로봇 팔(Robot Arm)의 움직임으로 이어졌다. 류수열 로아이 매니저는 이 같은 과정에 대해, “제조 공정 설계의 축소판”이라고 정의했다.

 

실제 공장에서 로봇 경로는 생산성의 숫자로 바뀐다. 로봇이 어느 순서로 움직이고, 어떤 궤적으로 장비·장애물을 피하며, 얼마의 시간 안에 작업 지점에 도달하는지가 공정 주기(Cycle Time)를 좌우한다. 자동차 공장처럼 수백 대 로봇이 투입되는 현장에서는 이 차이가 더 커진다.

 

류수열 매니저는 이 문제를 제조 현장의 준비 기간과 연결했다. 그는 “자동차 공장에는 로봇이 몇백 대 들어가 있다”며 “차를 하나 만들 때 로봇의 움직임·경로를 정확하게 설정해야 공정 사이클타임이 줄고, 생산성이 높아진다”고 언급했다. 이어 “신차를 하나 만들 때 공장·공정 설계, 로봇 배치 등을 거치는 데만 수개월이 걸리는데, 이 과정을 AI 기술로 한 달로 줄이는 솔루션을 제공하고 있다”고 덧붙이며 자사 역량을 내세웠다.

 

이 데모는 앞선 과정을 가상 환경으로 옮긴 것이다. 공장을 멈추지 않고 디지털 트윈(Digital Twin) 안에서 로봇 경로와 충돌 가능성을 먼저 검증한다. 이후 검증된 경로를 실제 로봇 구동으로 넘긴다. 류 매니저에 따르면, 이 같은 아키텍처는 글로벌 컴퓨팅 기술 업체 엔비디아의 로보틱스 시뮬레이션 플랫폼이 활용된다.

 

‘엔비디아 아이작 심(NVIDIA Isaac Sim)’ 기반 시뮬레이션 기법인데, 현장과 가까운 가상 환경을 구성하고, 자체 웹 서비스 ‘셀로(XELO)’를 통해 경로 최적화 과정을 운영하는 방식이다.

 

기자는 이 부스에 마련된 데모를 체험했다. 공장을 모사한 모형 속 로봇 팔이 각 지점에 배치된 유령 형태의 목표 지점 7개를 모두 터치하는 방식이다. 이 가운데 움직임을 방해하는 각 설비를 피해 터치해야 한다. 목표 지점의 순서를 직접 정하고, 로봇은 그 순서대로 실제 움직임을 수행한다. 관절 회전, 장애물, 이동 반경을 고려한 최적 경로 계산이다.

 

그동안 여러 참관객이 기록한 점수는 로봇이 최적의 경로를 찾은 최소시간으로 표시된다. 로봇이 7개 목표 지점을 모두 통과하는 데 걸리는 시간을 두고 참관객 기록과 AI 기록을 비교하는 것이 목표다.

 

▲ 로봇 기자 타이틀이 무색하게 게임 이해를 못하고 버벅대는 기자다... 막상 7개 목표 지점의 최적 경로를 짜는 본 게임에서 한참을 헤매며 최고 기록 반도 못미치는 활약(?)을 하고 있다. (촬영·편집 : 헬로티 최재규 기자)

 

실제로 AI가 찾은 최적 경로 최소시간은 27초대였고, 이틀간 500명 이상이 참여한 참관객 기록 1위는 33초대였다. 사람에게는 순서 맞히기처럼 보이는 문제도 로봇에는 관절 움직임, 회전 범위, 이동 가능 반경이 겹친 계산 문제였다.

 

데모 설명에 나선 류수열 매니저는 “로아이의 시뮬레이션과 경로 최적화 연산은 각종 AWS 플랫폼을 토대로 한다”며, 가상 서버 컴퓨터 ‘아마존 EC2(Amazon EC2)’, 다중 프로그램 대량 관리(Container) 관제 시스템 ‘아마존 EKS(Amazon EKS)’ 기반으로 운영되는 점을 명확히 했다. 여기에 경로 데이터와 결과 파일은 데이터 저장소 ‘아마존 S3(Amazon S3)’ 등 클라우드 저장·처리 체계와 연결된다.

 

▲ 수차례 헛발질 끝에 마침내 자신이 생각하는 최적 경로를 설정한 기자의 집념. 구동 버튼을 누르자 가상 공간에 갇혀 있던 데이터가 현실로 튀어나와 실제 로봇 팔의 관절을 움직이기 시작한다. 결과는 '유감'이다. (촬영·편집 : 헬로티 최재규 기자)

 

끝으로 매니저는 자사 방향성을 자율제조(Autonomous Manufacturing) 인프라로 정리했다. 그는 “시뮬레이션뿐 아니라 시뮬레이션을 그대로 현장에 적용하는 운영 단계까지 만들고 있다”며 “앞으로는 제조사가 어떤 것을 만들지만 설계하면, 그걸 어떻게 잘 만들지까지 AI가 작동하는 AI 팩토리(AI Factory)로 나아가려고 한다”고 말했다.

 

< 컨피그 > 인간 ‘돌발 행동’까지 받아먹는 로봇 학습 구조는?

 

이어지는 컨피그 부스에는 해당 존에서 사람·로봇이 같은 작업 공간을 공유하는 협업 구조가 등판했다. 데모의 작업 대상은 재활용품 분류다. 사람이 분류대 위에 물체를 올려두면 로봇은 알루미늄 캔을 인식해 별도 수거함으로 옮겼다. 로봇이 캔을 집는 도중, 사람 손이 작업 영역 안으로 들어오면 동작은 즉시 조정됐다. 작업 속도를 사람이 로봇에 맞추는 구조가 아니라, 로봇이 사람의 움직임을 읽고 피하는 방식을 강조한 모습.

 

이광현 컨피그 제품총괄은 데모의 초점을 데이터에 뒀다. 그는 “로봇 동작 시 기반이 되는 모델을 만드는 데 주력하고 이다”며 “이 같은 모델을 만들기 위해서는 결국 고품질 데이터가 가장 핵심”이라고 말했다.

 

▲ 로봇 팔이 알루미늄 캔만을 대상으로 분리수거 작업하고 있다. (촬영·편집 : 헬로티 최재규 기자)

 

이러한 컨피그의 접근은 사람의 동작을 먼저 기록하고, 이를 로봇 학습용 데이터로 바꾸는 데서 출발한다. 사람이 여러 작업을 수행하면 카메라가 영상을 기록하고, 이후 각 행동에 대한 동작 값이 정의된다. 이렇게 변환된 데이터가 로봇을 학습시키는 재료가 된다는 관점이다.

 

데이터 수집은 두 단계로 구성된다. 첫 번째는 사람 행동 데이터 확보다. 사람이 물체를 잡고, 옮기고, 놓는 과정을 카메라로 기록한다. 두 번째는 로봇을 통한 작업(Task) 학습이다. 이 총괄은 “그렇게 모인 모델이 있으면, 그 모델을 베이스로 다양한 태스크를 로봇으로 학습하는 두 번째 단계를 거친다”며 “옷을 접거나 정리하거나 호스를 설치하는 다양한 작업을 로봇으로 조종해 가르치고, 실제로 로봇이 알아서 할 수 있게 만드는 것이 목표”라고 설명했다.

 

기자가 이러한 과정을 손수 체감했다. 그리퍼(Gripper) 형태의 현장 체험용 장치는 대상물을 잡고 물체를 옮기면 장치 상단에 탑재된 카메라가 행동을 기록하는 구조다. 기자가 직접 장치를 조작하자 이 총괄은 “지금 이렇게 움직이는 모든 과정이 데이터로 쌓인다”고 설명했다.

 

손이 걸리거나 물체가 흐트러진 상황에서 반대 손으로 물체를 세우는 식의 돌발 행동도 모두 데이터가 된다. 동일한 작업이라도 손 위치, 물체 방향, 집는 순서 등이 달라지는 모든 장면이 학습 재료로 축적되는 상황. 개념적으로만 이해되던 메커니즘이 체험을 통해 체화된 순간이다.

 

▲ 로아이 부스에서 상처받은 기자의 자존심을 '컨피그 양손 데이터 수집' 데모에서 화려하게 부활시킨 순간. 돌발 상황까지 온전히 데이터로 깎아내는 기자의 손놀림(?)에 이광현 총괄이 '수재 데이터 공급원'으로 치켜세웠다. (촬영·편집 : 헬로티 최재규 기자)

 

다른 한편, 이 같은 워크플로는 이번 행사 내 세션 발표에서도 증명됐다. 행사 첫날 피지컬 AI 트랙에서는 손형목 컨피그 최고기술책임자(CTO)가 발표자로 나서 ‘AWS 기반 로보틱스 파운데이션 모델 개발 여정’을 공유했다. 발표는 로봇 파운데이션 모델(RFM) 구축 과정에 집중한 기술 방향성에 대한 설명이다. 데이터 수집·정제와 학습 파이프라인에 방점이 찍힌 것이다.

 

실제로 컨피그는 매월 2만 시간의 사람 행동 데이터와 1000시간 규모의 로봇 데이터, 100테라바이트(TB) 이상의 신규 학습 데이터를 처리하고 있다. 이 과정에서 클라우드 인프라는 대규모 데이터 파이프라인의 기반 역할을 맡는다. 이광현 총괄은 “변환된 데이터를 바탕으로 단일 RFM 사전 학습과 태스크별 미세조정(Fine-tuning), 배포·추론으로 이어지는 아키텍처를 운영 중”이라며 설명을 마쳤다.

 

< 뉴빌리티 > “바퀴든 휴머노이드든 상관없다” 외형 바껴도 살아남는 자율주행 OS

 

마지막으로 뉴빌리티는 배달·순찰 로봇의 실제 운영 구조를 참관객에게 제시했다. 전시 슬로건은 ‘현실 세계 속 로보틱스 전환(Robotics Transformation in the Real World)’이다. 실험실이나 가상 환경에 머물던 자율주행 기술을 산업 현장과 일상 공간 등 실제 현실에 즉각 적용 가능한 비즈니스 형태로 전환하겠다는 의미다.

 

전시장 안에는 자사 AMR 플랫폼 ‘뉴비(Neubi)’를 기반으로 배달·순찰 로봇이 등판했다. 그리고 이들을 관제하는 지능형 통합 관제 플랫폼 ‘NCC(Neubility Control Center)’의 UI가 기술 이해를 도왔다.

 

▲ 뉴비가 사용자 지시를 이행하고 있다. (촬영·편집 : 헬로티 최재규 기자)

 

참관객이 로봇 배달 애플리케이션 ‘뉴비 오더(Neubi Order)’로 물품 배송을 요청하면 배달 전용 뉴비 ‘뉴비 플로우(Neubi Flow)’가 임무를 받아 이동한다. 로봇 실시간 위치, 주행 상태, 카메라 영상은 NCC로 전송되는 체계다. 이때 핵심은 로봇 기술 스택(Stack) 전체를 아우르는 운영 체계다. 로봇이 지정된 동선을 따라 움직이는 동안, 관제 화면은 기체의 상태와 임무 흐름을 실시간으로 표출했다.

 

또 다른 형태의 순찰 뉴비는 열감지 카메라와 인지 모듈을 바탕으로 화재, 쓰러진 사람, 위험 시설물 주변의 이상 상황을 탐지하는 역할을 맡았다.

 

▲ 순찰 뉴비 가동 모습(좌)과 이 기체의 데이터가 실시간으로 NCC에 도출되는 UI(우). (촬영·편집 : 헬로티 최재규 기자)

 

황은비 뉴빌리티 브랜드 커뮤니케이션 담당은 순찰 로봇 모델에 대해 “상단에 탑재된 모듈이 열감지와 인지를 담당한다”며 “사람이 쓰러져 있거나 화재가 발생했을 때 이를 감지해 NCC를 통해 상황실에 즉각 알림을 보낸다”고 설명했다. 이어 “상황실에서 바로 조치를 취할 수 있으며, 관리자가 부재중일 때는 모바일 커뮤니케이션 플랫폼 ‘카카오톡’으로도 실시간 알림을 받아볼 수 있다”고 덧붙였다.

 

적용 영역은 일반 사유지와 산업 공간을 동시에 겨냥한다. 황 담당은 “순찰 서비스는 아파트·골프장·캠핑장 등 사유지에도 이미 여러 차례 도입됐다”며 “방치된 킥보드나 공유 자전거 등 도로 위 장애물까지 감지해 알림을 보내면 초소에서 즉각 이동 조치를 할 수 있다”고 말했다.

 

NCC는 이 같은 배달·순찰 서비스를 통합한 관제 소프트웨어로, 다중 로봇 상태와 영상 정보가 하나의 화면으로 통합된다. 황 담당은 “모든 서비스가 NCC 안에서 통합 운영되고 있다”며 “배달·순찰은 물론 향후 제조·물류 현장에 투입되더라도 통합 제어가 가능하다”고 강조했다. 아울러 “타사 로봇 역시 NCC 안에서 함께 통제할 수 있다”며 다종·이기종 로봇 운영에 대한 확장성도 언급했다.

 

사측의 로봇 폼팩터(Form-factor) 확장 전략도 구체화됐다. 뉴빌리티는 기존 바퀴(Wheel)형 로봇에서 머물지 않고, 사족 보행 로봇과 향후 AMR 상단에 상체형 휴머노이드 로봇을 얹은 하이브리드 휴머노이드까지 운영 대상에 포함시켰다.

 

 

황은비 담당은 “상단에 탑재된 자율주행 시스템은 ‘뉴온(NeuOn)’”이라며 “하부 폼팩터가 변경되더라도 자체 솔루션을 통해 자율주행과 조종·제어 운용이 가능하다”고 소개했다. 로봇의 외형과 구조가 달라져도 자율주행·관제·운영 소프트웨어는 공통 인프라로 가져가겠다는 전략이다.

 

‘20돌’ 클라우드 유산, ‘실무 해결사’로의 안착 선언한 산업용 AI

 

 

피지컬 AI 존에서 확인된 클라우드의 역할 변화는 전시장 전역으로 고스란히 확장됐다. 'AWS 20주년 부스'는 클라우드 인프라의 출발점을 짚어보는 공간이다. 지난 2006년 아마존 S3와 아마존 EC2에서 시작된 AWS의 클라우드 서비스는 올해 전시장 안에서 산업용 AI, 개발자 도구(Tool), 로봇 운영 인프라로 진화한 모습을 연출했다.

 

엑스포 공간은 이 같은 흐름을 산업별 특화 데모로 확장한 현장이다. ‘AWS 포 인더스트리(AWS for Industries)’ 구역에는 제조·금융·공공·게임·소프트웨어·통신 등 각 산업의 AI 활용 사례가 한데 모였다. 부스별 초점은 각 산업군이 당면한 비즈니스 문제를 해결하는 데 맞춰졌다. 생성형 AI와 에이전틱 AI가 상담·분석·개발·운영·콘텐츠 등 실무에 적용됐다면, 앞서 언급한 피지컬 AI 존은 이 중 로봇과 물리 공간으로 이어지는 종단 접점을 맡는다는 메시지다.

 

개발자 라운지에 마련된 ‘키로(Kiro) 존’은 AI 개발 도구를 직관적인 체험형 콘텐츠로 변환한 공간이었다. 참관객의 몰입을 돕기 위해 기획된 이벤트성 테마 존이다. 참관객은 ‘마이어스-브릭스 유형 지표(Myers-Briggs Type Indicator)’ 이른바 'MBTI' 16개 문항에 답하며 자신의 키로 사용 유형을 확인했다. 질문은 업무 방식, 협업 성향, 새 도구를 대하는 태도, 프로젝트 시작 방식 등으로 구성됐다.

 

키로는 기자를 ‘ENFP 열정 전파자’로 분석했다. 해당 유형을 “좋은 건 못 참고 나누는 에너지 뱀파이어”로 설명했다. 강점으로 열정적 공유, 커뮤니티 활동, 트렌드 리딩을 제시했다. 여기에 맞는 키로 기능 활용 성향도 나왔다. 기자는 말하듯 개발하는 ‘바이브 코딩(Vibe Coding)’, 진단 결과에 따라 시스템 성능을 최대로 끌어쓰는 ‘성능 중심형(Powers)’, AI의 방향성을 정밀 유도하는 ‘방향 조율형(Steering)’ 등 성향이다.

 

 

AI 개발 도구가 코딩 보조 프로그램에서 사용자 맞춤형 작업 환경으로 설계되는 트렌드를 제시하는 데모다.

 

헬로티 최재규 기자 |