Chapter 7. RX (Robotic Transformation) 이해
들어가며 — DX, AX, 그리고 RX
왜 지금 RX인가?
지난 10여 년간 산업의 흐름을 가장 잘 설명하는 키워드는 세 글자였습니다.
- DX (Digital Transformation) : 종이/대면 업무를 디지털·클라우드 기반으로 옮기는 변화
- AX (AI Transformation) : 디지털화된 데이터 위에 AI를 얹어 의사결정·생성 작업을 자동화하는 변화
- RX (Robotic Transformation) : AI가 물리 세계와 직접 상호작용하기 시작하면서 일어나는 변화
DX는 데이터를 디지털로 옮겼고, AX는 그 데이터로 AI가 추론하게 했다면, RX는 그 AI가 소프트웨어 안의 작업, 더 나아가 물리 세계의 작업까지 직접 수행하는 단계입니다.
RX는 왜 2026년에 본격적으로 회자되는가?
2024–2025년을 거치며 ① LLM이 멀티모달·도구 사용 능력을 갖추게 되었고, ② 로봇용 파운데이션 모델(VLA)이 의미 있는 일반화 성능을 보였으며, ③ 휴머노이드 로봇 양산 시도가 본격화되었습니다. 세 가지가 한 시기에 맞물리며 "AI가 화면 안에서 나와 손을 움직이기 시작한 시기"가 2026년이라는 평가가 나옵니다.
이 글의 목적
RX는 한 분야가 아닙니다. RPA, 자율주행, 협동 로봇, 휴머노이드, VLA 모델 등 출신이 다른 기술들이 한 우산 아래 모여 있어 비전공자가 입문하면 길을 잃기 쉽습니다.
이 글의 목적은 RX의 전체 지도를 한 번에 보여주고, 각 영역의 핵심 키워드와 특징을 짚어주는 것입니다. 깊이 있는 기술 해설이 아니라, "이 단어가 나오면 어떤 기술 영역인지"를 빠르게 매칭할 수 있도록 돕는 가이드라고 보시면 됩니다.
RX의 정의와 범위
RX란 무엇인가
RX (Robotic Transformation)
AI와 로봇 기술을 활용하여 사람이 수행하던 작업을 자동화·자율화하고, 이를 통해 업무·조직·산업의 운영 방식을 근본적으로 전환하는 변화.
작업 대상은 소프트웨어 작업(화면 클릭·문서 처리) 부터 물리적 작업(이동·조작) 까지 모두 포함됩니다.
RX는 종종 "로봇 도입"이라는 좁은 의미로 오해되지만, 실제로는 두 갈래로 봐야 합니다.
| 구분 | 대상 | 주요 키워드 |
|---|---|---|
| 소프트웨어 RX | 화면 안의 작업 (서류, 시스템 조작) | RPA, 하이퍼오토메이션, Agentic Automation, AI Agent |
| 피지컬 RX | 물리 세계의 작업 (이동, 조작, 인지) | 산업용/협동/서비스 로봇, 자율주행, 드론, 휴머노이드, VLA |
DX·AX·RX의 관계
세 개념은 단계가 아니라 층(Layer) 으로 보는 것이 정확합니다.
- DX 없이는 AX가 어렵습니다. 데이터가 디지털화되어 있어야 AI가 학습·추론할 수 있습니다.
- AX 없이는 RX가 어렵습니다. 로봇이 환경을 인식하고 판단하는 능력은 AI에서 옵니다.
- 즉, RX는 DX(데이터) + AX(지능) 위에 "행동(Action)"이 더해진 형태입니다.
한 번 정리하면: DX는 디지털, AX는 지능, RX는 행동. AI가 답을 "말하던" 시대에서 "직접 수행하는" 시대로의 전환이 RX의 본질입니다.
소프트웨어 RX — 화면 안에서 일어나는 자동화
물리 로봇 이야기를 하기 전에, 먼저 짚어야 할 것이 화이트칼라 업무를 자동화하는 소프트웨어 로봇 영역입니다. 한국 기업의 RX 추진 과제 중 절반 이상이 이 영역에 해당합니다.
RPA (Robotic Process Automation)
RPA
사람이 컴퓨터에서 수행하는 반복적인 화면 조작 작업(클릭, 입력, 복사·붙여넣기, 화면 전환 등) 을 소프트웨어 로봇이 대신 수행하도록 하는 기술.
특징
- 기존 시스템(ERP, 그룹웨어, 엑셀 등)을 수정하지 않고 위에 올라타서 작동
- 정해진 규칙(Rule-based)에 따라 동작 — AI 없이도 운영 가능
- 도입이 비교적 쉬워 한국 대기업의 백오피스(인사·재무·구매)에 광범위하게 적용됨
주요 키워드 / 플레이어
- 글로벌: UiPath, Automation Anywhere, Microsoft Power Automate, Blue Prism, SAP Build Process Automation
- 국내: 삼성SDS Brity RPA, LG CNS RPA Automate, 그리드원
- 운영 방식:
- Attended Bot : 사용자가 옆에서 트리거(예: 한 클릭으로 양식 채우기)
- Unattended Bot : 서버에서 무인으로 동작(야간 배치 작업 등)
Hyperautomation (하이퍼오토메이션)
Hyperautomation
RPA + AI/OCR/Process Mining + 워크플로우 등을 결합해 단순 화면 조작을 넘어 의사결정과 비정형 업무까지 자동화하는 접근.
키워드
- OCR / IDP (Intelligent Document Processing) : 종이·PDF 인식 후 데이터화
- Process Mining : 실제 업무 로그를 분석해 자동화 대상 발굴 (Celonis가 대표)
- Decision Automation : 룰 엔진 + ML로 의사결정 자동화
Agentic Automation — 2026년 가장 큰 변화
2025년부터 RPA 시장의 패러다임이 빠르게 바뀌고 있습니다. AI Agent가 RPA를 흡수하는 흐름입니다.
Agentic Automation
정해진 시나리오대로만 움직이던 RPA 봇이, LLM 기반 AI Agent로 업그레이드되어 스스로 판단하며 업무를 수행하는 형태.
기존 RPA 와의 차이
| 비교 항목 | 전통 RPA | Agentic Automation |
|---|---|---|
| 동작 방식 | 사전 정의된 규칙 그대로 실행 | 목표를 받고 스스로 단계 계획·수행 |
| 화면 변화 대응 | 화면 위치/구조가 바뀌면 깨짐 | LLM이 화면을 "이해"하므로 변화에 강함 |
| 비정형 입력 | 처리 어려움 (룰 추가 필요) | 자연어·이미지 등 비정형 입력 가능 |
| 예외 처리 | 사람 개입 필요 | 일부 예외는 스스로 우회·해결 |
주요 키워드
- Computer Use / Browser Use : Anthropic Claude Computer Use, OpenAI Operator, Google Mariner — AI가 사람처럼 화면을 보고 마우스/키보드를 조작
- Agentic RPA Platform : UiPath Agentic Automation, Automation Anywhere AI Agent Studio
- Agentic Workflow : LangGraph, n8n, Make, Zapier Agents 등 워크플로우 도구의 에이전트화
- MCP (Model Context Protocol) : AI 에이전트가 다양한 시스템·도구에 표준 방식으로 접속
실무자가 알아야 할 흐름: "RPA = 시키는 대로만 하는 봇" → "AI Agent = 목표만 주면 알아서 하는 봇"으로의 전환. 다만 책임 추적성·감사(Audit)가 약해지는 단점이 있어, 두 방식이 한동안 공존할 가능성이 높습니다.
피지컬 RX — 물리 세계의 자동화
이제 진짜 "로봇" 이야기로 넘어갑니다. 피지컬 RX는 형태와 용도에 따라 분류하는 것이 가장 실용적입니다.
분류 한눈에 보기
| 분류 | 핵심 특징 | 대표 키워드 |
|---|---|---|
| 산업용 로봇 | 고정 설치, 고하중·고속도, 펜스 안에서 작업 | ABB, KUKA, FANUC, Yaskawa |
| 협동 로봇 (Cobot) | 사람과 같은 공간에서 안전하게 작업 | Universal Robots, 두산로보틱스, 한화로보틱스 |
| 서비스 로봇 | 일상·매장·병원 환경에서 사람과 상호작용 | LG CLOi, 베어로보틱스, 푸두 |
| 모바일 로봇 (AGV/AMR) | 자율적으로 공간을 이동하며 운반 | Amazon Kiva, Geek+, 로보티즈 |
| 자율주행차 | 도로 환경에서 자율 운전 | Waymo, Tesla FSD, 모셔널 |
| 드론 (UAV) | 공중 이동·촬영·운반 | DJI, Skydio, 군용 드론 |
| 휴머노이드 | 사람 형태의 범용 로봇 | Tesla Optimus, Figure, 1X, Unitree |
| 사족보행/특수형 | 4족 보행, 점검·순찰·구조 | Boston Dynamics Spot, Unitree Go |
산업용 로봇 (Industrial Robot)
공장 자동화의 가장 오래된 형태입니다. 용접·도장·조립·운반 등을 정해진 좌표에서 정밀하게 반복 수행합니다.
- 4대 메이커 : ABB(스위스), KUKA(독일), FANUC(일본), Yaskawa(일본)
- 국내 : 현대로보틱스, 두산로보틱스
- 특징 : 고속·고하중, 안전 펜스 필수, 가격대가 높음. 자동차·반도체·디스플레이 산업이 핵심 수요처.
협동 로봇 (Cobot, Collaborative Robot)
협동 로봇
사람과 같은 작업 공간에서 안전 펜스 없이 함께 일할 수 있도록 설계된 로봇. 충돌 감지·힘 제어·저속 동작 등 안전 기능이 핵심.
- 글로벌 : Universal Robots(덴마크, 점유율 1위), FANUC CRX, ABB YuMi, Techman
- 국내 : 두산로보틱스, 한화로보틱스, 뉴로메카, 레인보우로보틱스
- 활용 : 중소제조업, 카페·치킨집(자동 튀김·바리스타 로봇), 뷰티·의료
- 국내 강점 : 한국은 두산로보틱스가 글로벌 시장 점유율 4–5위권이고, 한화/LG가 잇따라 진입하며 경쟁이 치열한 분야입니다.
서비스 로봇 (Service Robot)
매장·호텔·병원 등 사람과 가까운 환경에서 동작하는 로봇.
- 서빙/배송 : 베어로보틱스 Servi(LG전자가 인수), 푸두(Pudu), 키노(KEENON), 브이디컴퍼니 Dilly
- 안내·청소 : LG CLOi 가이드봇·서브봇·셰프봇, 삼성 봇핸디·봇아이, 소프트뱅크 Pepper(서비스 종료)
- 의료 : Intuitive Surgical da Vinci(수술), 한미사이언스·큐렉소(재활)
- 특징 : 사람과 가까이 있으므로 안전·소음·디자인이 중요. 완전 자율보다는 반자율(Semi-autonomous) 형태가 많음.
모바일 로봇 — AGV vs AMR
물류·창고·공장 안을 돌아다니며 물건을 옮기는 로봇입니다. 둘은 자주 혼용되지만 자율성 수준이 다릅니다.
| 구분 | AGV (Automated Guided Vehicle) | AMR (Autonomous Mobile Robot) |
|---|---|---|
| 경로 | 사전에 깔린 가이드(자기띠·QR·라인) 따라 이동 | 자율적으로 경로를 생성, 장애물 회피 |
| 유연성 | 낮음 (경로 변경 시 재시공) | 높음 (지도만 갱신하면 됨) |
| 대표 사례 | 자동차 공장 내 부품 운반 | Amazon Kiva, Coupang FC, Geek+ |
- 국내 : 트위니, 로보티즈, 시스콘, 클로봇
- 트렌드 : SLAM 기반 AMR이 빠르게 AGV를 대체 중. 물류 자동화 시장의 핵심.
자율주행차 (Autonomous Driving)
가장 큰 자본이 몰린 RX 분야이지만, 동시에 가장 어려운 분야이기도 합니다.
자율주행 단계 (SAE Level 0–5)
| Level | 명칭 | 설명 |
|---|---|---|
| 0 | 비자동 | 운전자 100% 책임 |
| 1 | 운전자 보조 | 크루즈 컨트롤 등 단일 기능 보조 |
| 2 | 부분 자동 | 차선 유지 + 가감속 결합 (Tesla Autopilot, 현대 HDA) |
| 3 | 조건부 자동 | 특정 조건에서 차가 운전, 운전자는 즉시 인계 가능 |
| 4 | 고도 자동 | 특정 영역(ODD)에서 완전 자율 — Robotaxi |
| 5 | 완전 자동 | 모든 환경에서 무인 |
주요 플레이어
- Robotaxi (Level 4) : Waymo(가장 앞섬), Zoox(Amazon), Cruise(서비스 축소), Baidu Apollo, Pony.ai, WeRide
- End-to-End 자율주행 : Tesla FSD, Wayve, Comma.ai — 카메라+신경망 위주의 접근
- 국내 : 현대 모셔널, 카카오모빌리티, 라이드플럭스, 토르드라이브, 오토노머스에이투지
- 2026 트렌드 : Tesla Cybercab(2인용 로보택시) 양산 진입, Waymo의 도시 확장, End-to-End 모델이 모듈식(Perception→Planning→Control) 접근을 빠르게 대체하는 흐름.
드론 (UAV, Unmanned Aerial Vehicle)
- 상업/촬영 : DJI(중국, 압도적 점유율), Skydio, Parrot
- 물류 : Zipline(아프리카 의약품 배송이 시작점), Wing(구글), Amazon Prime Air
- 농업·측량 : 정밀 농업, 토목 측량, 시설 점검
- 군용·방위 : 우크라이나-러시아 전쟁 이후 군용 드론 시장 폭발적 성장. 자율 군집(Swarm) 드론, 자폭 드론(Loitering Munition) 등 신영역 형성.
- 국내 : 두산모빌리티이노베이션(수소 드론), 베셀, 니어스랩(풍력 점검)
휴머노이드 로봇 — 2026년 가장 뜨거운 분야
휴머노이드 로봇
사람과 유사한 형태(머리·몸통·양팔·양다리)를 가진 로봇. 사람이 쓰는 도구·환경을 그대로 활용할 수 있어 범용 로봇의 종착지로 여겨집니다.
왜 휴머노이드인가?
세상은 이미 사람 형태에 맞춰 설계되어 있기 때문에(문 손잡이, 계단, 도구, 차량 등), 환경을 바꾸지 않고도 적용 가능한 로봇 형태가 휴머노이드입니다. 한 가지 형태로 다양한 작업이 가능한 범용성이 핵심입니다.
주요 플레이어
- 미국
- Tesla Optimus (2026년 자체 공장 투입 단계)
- Figure AI Figure 02 / Helix (BMW 공장 시범 투입)
- 1X Technologies Neo Gamma (가정용 휴머노이드 베타 시작)
- Boston Dynamics Atlas (전기식 신형, 현대차 공장 투입)
- Agility Robotics Digit (Amazon 물류센터 투입)
- Apptronik Apollo (Mercedes-Benz 협력)
- Sanctuary AI Phoenix
- 중국 (2025–2026 폭발적 성장)
- Unitree H1 / G1 (가성비 강점, 연구용 폭증)
- Xiaomi CyberOne
- Fourier Intelligence GR-1
- UBTECH Walker S
- XPENG Iron
- Agibot, Robotera, Galbot 등 신생 다수
- 국내
- 레인보우로보틱스 Hubo, RB-Y1 (삼성전자가 최대주주)
- 정부 주도 K-휴머노이드 연합 (현대·삼성·LG·두산 등 참여, 2026년 본격 가동)
휴머노이드 시장 특징
- 2025년 말부터 양산 단계 진입, 2026년부터 공장·물류 도입 사례 누적 시작
- 가정용은 아직 상용화 초기 단계. 안전·가격이 큰 장벽.
- 가격대: Unitree G1이 약 $16,000부터 시작해 진입 장벽이 빠르게 낮아지는 중.
사족보행·특수형 로봇
- 사족보행 : Boston Dynamics Spot, Unitree Go2, ANYbotics ANYmal — 점검·순찰·재난 구조에 활용
- 2족 외 특수 형태 : 뱀형(파이프 점검), 수중 로봇(Saab Seaeye), 외골격(Exoskeleton, Sarcos)
로봇의 두뇌 — Physical AI 시대
휴머노이드 같은 로봇이 갑자기 가능해진 것은 하드웨어가 좋아져서가 아닙니다. "보고, 이해하고, 행동을 만들어내는" AI 모델이 등장했기 때문입니다. 이 영역을 통상 Physical AI 또는 Embodied AI 라고 부릅니다.
Physical AI / Embodied AI
Physical AI
물리 세계를 인식하고, 그 안에서 행동을 생성하는 AI. NVIDIA가 적극적으로 사용하는 용어로, 2026년 AI 산업의 핵심 키워드 중 하나.
Embodied AI
"신체를 가진 AI"라는 뜻. 학계에서 더 오래 쓰인 용어로, 로봇·시뮬레이션 에이전트 모두를 포함.
VLA (Vision-Language-Action) 모델 — 로봇 파운데이션 모델
LLM이 텍스트를 학습해 언어를 이해하게 된 것처럼, VLA 모델은 영상·언어·로봇 동작 데이터를 함께 학습해 "이 컵을 빨간 접시 위에 놓아"라는 자연어 명령을 실제 로봇 동작으로 변환합니다.
주요 VLA 모델
| 모델 | 만든 곳 | 특징 |
|---|---|---|
| RT-2 / RT-X / RT-H | Google DeepMind | 인터넷 영상+로봇 데이터를 함께 학습한 초기 대표 |
| Open X-Embodiment | DeepMind + 다수 연구실 | 22종 로봇 데이터 통합 — VLA의 ImageNet 격 |
| OpenVLA | Stanford 등 오픈소스 | 7B 규모, 누구나 파인튜닝 가능 |
| π0 (pi-zero) | Physical Intelligence | 2024년 등장, 강력한 일반화 — 빨래 개기 등 비정형 작업 시연 |
| GR00T (Project GR00T) | NVIDIA | 휴머노이드 전용 파운데이션 모델 |
| Helix | Figure AI | Figure 02 휴머노이드의 자체 VLA |
| Gemini Robotics | Google DeepMind | Gemini를 로봇 제어용으로 확장 |
한 줄 요약: VLA는 "로봇판 ChatGPT"입니다. 한 모델로 다양한 로봇·다양한 작업을 처리할 수 있다는 점이 혁명적입니다.
World Model (세계 모델)
World Model
환경(세계)이 어떻게 동작할지 예측하는 AI 모델. "이 행동을 하면 어떻게 될까?"를 시뮬레이션할 수 있게 해주어, 로봇이 현실에서 시도하기 전에 머릿속으로 시뮬레이션할 수 있도록 합니다.
- NVIDIA Cosmos : 물리 세계 시뮬레이션을 위한 파운데이션 모델
- Genie 2 / 3 (Google DeepMind) : 텍스트로 가상 환경을 생성
- V-JEPA (Meta, Yann LeCun 주도) : 영상 기반 세계 모델 연구
- 1X World Model : 휴머노이드 학습을 위한 자체 월드 모델
시뮬레이션 — Sim2Real
로봇은 실제 환경에서 학습하면 시간·비용이 너무 큽니다. 그래서 가상 시뮬레이션에서 수백만 시간을 학습한 뒤 실제 로봇으로 옮기는 방식이 표준이 되었습니다. 이를 Sim2Real(Simulation to Reality) 이라고 합니다.
- NVIDIA Isaac Sim / Isaac Lab : 가장 널리 쓰이는 로봇 시뮬레이션 플랫폼
- MuJoCo : Google DeepMind가 인수, 학계 표준
- Gazebo / Webots : 오픈소스
- Genesis (2024 공개) : 초고속 오픈소스 시뮬레이터로 주목
디지털 트윈 (Digital Twin)
물리 세계를 가상에 복제한 것. 공장·도시·로봇 자체를 디지털로 본떠 시뮬레이션하고 운영을 최적화합니다.
- NVIDIA Omniverse : 산업용 디지털 트윈의 표준 플랫폼
- Siemens Industrial Metaverse, Dassault 3DEXPERIENCE
- 활용 : 공장 라인 설계 검증, 자율주행 시나리오 테스트, 로봇 학습용 환경 생성
로봇이 세상을 보고 다루는 법
인지 (Perception) — 로봇의 감각
- 카메라(RGB / Depth) : 가장 기본 — 컬러+거리 정보
- LiDAR : 레이저로 3D 거리 측정. 자율주행·정밀 매핑에 필수
- IMU (관성 측정 장치) : 가속도·각속도로 자세 파악
- Force/Torque Sensor : 힘·토크 감지로 정밀 조작
- Tactile Sensor (촉각 센서) : GelSight 등 — 손가락 끝의 감각 구현
SLAM (Simultaneous Localization and Mapping)
SLAM
로봇이 모르는 공간에서 자신의 위치를 알아내면서 동시에 지도를 만드는 기술. 자율주행차·AMR·드론 등 모든 자율 이동 로봇의 기반 기술입니다.
- Visual SLAM(카메라 기반), LiDAR SLAM, Semantic SLAM(의미 정보 포함) 등으로 분화
조작 (Manipulation) — 로봇의 손
- Gripper (그리퍼) : 단순 집게형, 흡착식, 다관절 손
- Dexterous Manipulation : 사람 손처럼 정교한 조작 — 휴머노이드의 핵심 난제
- Bi-manual Manipulation : 양손 협응 — ALOHA 프로젝트가 대표
- End-to-End Manipulation : 카메라 입력 → 신경망 → 모터 명령으로 직결
학습 방식 (Robot Learning)
| 학습 방식 | 핵심 아이디어 | 비고 |
|---|---|---|
| Imitation Learning (모방 학습) | 사람이 시범을 보이면 로봇이 따라 학습 | 데이터 수집 비용이 큼 |
| Reinforcement Learning (강화 학습) | 시행착오로 보상을 최대화 | 시뮬레이션과 결합 시 강력 |
| Behavior Cloning | 모방 학습의 단순 형태 | 분포 변화에 약함 |
| Diffusion Policy | Diffusion 모델로 행동 분포를 학습 | 2023년 이후 표준화 |
| RLHF / Preference Learning | 사람 피드백으로 보정 | LLM 기법이 로봇으로 확산 |
Teleoperation — 데이터 수집의 열쇠
VLA 모델 학습에는 사람이 로봇을 조종한 시연 데이터가 필요합니다. 그래서 휴머노이드 회사들은 대규모 원격 조작(Teleoperation) 데이터를 모으고 있고, ALOHA / Mobile ALOHA(Stanford 오픈소스 양손 데이터 수집 시스템) 같은 도구가 표준이 되어가고 있습니다.
로봇 인프라와 표준
- ROS / ROS 2 (Robot Operating System) : 로봇 소프트웨어의 사실상 표준 미들웨어
- NVIDIA Isaac Platform : 시뮬레이션·학습·배포를 통합한 풀스택
- MoveIt : 로봇 팔 모션 플래닝의 표준 라이브러리
- Open Robotics, ROS-Industrial : 오픈소스 생태계의 중심
안전·표준
- ISO 10218 : 산업용 로봇 안전 표준
- ISO/TS 15066 : 협동 로봇 안전 표준
- EU AI Act, EU Machinery Regulation : 로봇·AI 결합 시스템에 대한 규제 정비 중
2026년, 한국의 RX 풍경
한국은 RX 영역에서 글로벌 상위권의 자원을 보유한 나라입니다. 가장 큰 강점은 제조업 + 반도체 + 디스플레이 + 자동차 라는 수요처가 모두 국내에 있다는 점입니다.
대기업 동향
- 현대차 그룹 : Boston Dynamics 인수(2021) 후 Atlas·Spot을 자사 공장에 적용. 모셔널을 통한 자율주행 추진. 휴머노이드를 그룹 차원의 핵심 과제로 격상.
- 삼성 : 레인보우로보틱스 최대주주 등극, 한화로보틱스와 별개로 자체 봇 시리즈(봇핸디 등) 개발. 메모리·파운드리에서 휴머노이드용 반도체 수요를 노림.
- LG : LG전자가 베어로보틱스 인수, CLOi 시리즈 확장. LG CNS는 RPA·하이퍼오토메이션·AI Agent 사업화에 집중.
- 두산 : 두산로보틱스가 협동 로봇 글로벌 4–5위권. 2024년 IPO 후 휴머노이드까지 영역 확장 추진.
- 한화 : 한화로보틱스 출범, 협동 로봇·국방 로봇 양면 공략.
정부 정책
- K-휴머노이드 연합 (2024 출범) : 대기업·중소기업·연구소가 모인 휴머노이드 공동 추진체. 2026년부터 본격 R&D 수행.
- 지능형 로봇 기본 계획 : 산업부 주도, 5년 단위 갱신.
- 자율주행 임시운행 허가, 도심 항공교통(UAM) 실증 등 규제 샌드박스 활발.
한국 RX의 약점이라면?: 휴머노이드용 핵심 부품(고성능 액추에이터, 정밀 감속기, 촉각 센서)의 해외 의존도가 높고, VLA·World Model 같은 핵심 SW 모델의 자체 개발 사례가 아직 부족합니다.
비전공자가 헷갈리지 않으려면 — 용어 정리
자동화 vs 자율화
이 두 단어를 구분하면 RX 뉴스를 훨씬 잘 읽을 수 있습니다.
| 구분 | 자동화 (Automation) | 자율화 (Autonomy) |
|---|---|---|
| 의미 | 정해진 절차를 사람 없이 실행 | 상황을 판단해 스스로 결정하며 실행 |
| 예시 | RPA, AGV, 산업용 로봇 | AI Agent, 자율주행차, AMR, 휴머노이드 |
| 변화 대응 | 시나리오 밖이면 멈춤 | 시나리오 밖에서도 시도 |
AI Agent vs 로봇
- AI Agent : 디지털 환경(소프트웨어)에서 행동하는 자율 시스템
- 로봇 (Embodied Agent) : 물리 환경에서 행동하는 자율 시스템
둘 다 "Agent"라는 본질은 같습니다. 차이는 행동의 무대가 화면 안인지 밖인지뿐. 그래서 2026년에는 두 영역의 기반 기술(LLM·VLA)이 빠르게 수렴 중입니다.
RPA vs AI Agent
- RPA: 시키는 화면 조작을 그대로 실행 — 룰 기반, 화면 변화에 약함
- AI Agent: 목표만 주면 스스로 화면을 이해하고 단계 계획·수행 — LLM 기반, 변화에 강함
흔한 오해: "RPA는 죽었다" — 사실은 아닙니다. 감사·통제·예측가능성이 중요한 영역(재무 결산, 규제 보고) 에서는 결정론적인 RPA가 여전히 적합하고, 두 방식은 한동안 공존합니다.
휴머노이드 vs 일반 로봇
- 일반 로봇: 한 가지 작업에 최적화 (전용 = 효율적)
- 휴머노이드: 여러 작업을 한 몸으로 처리 (범용 = 유연함)
- 비유하자면 일반 로봇은 "전용 가전제품"이고, 휴머노이드는 "범용 컴퓨터"에 가깝습니다.
정리하며
RX는 한 줄로 요약하기 어려운 분야지만, 이번 글에서 다룬 지도를 머릿속에 두면 어떤 뉴스가 나와도 좌표를 찍을 수 있습니다.
- 소프트웨어 RX 는 RPA에서 출발해 Agentic Automation으로 빠르게 진화 중이고,
- 피지컬 RX 는 산업용·협동·서비스·모바일·자율주행·드론·휴머노이드라는 여러 갈래로 분기되어 있으며,
- 그 모든 영역의 두뇌 역할을 하는 VLA·World Model·시뮬레이션 이 2024–2026년에 비약적으로 발전하면서 "범용 로봇"이라는 오랜 꿈에 한 걸음 다가서고 있습니다.
마지막 한 마디
한 가지는 분명히 짚어두고 싶습니다. RX의 본질은 "로봇 도입"이 아니라 "AI가 행동하기 시작했다" 는 사실 그 자체입니다. 키보드와 마우스를 거쳐, 이제 손과 바퀴를 통해 세계와 직접 상호작용하는 AI를 우리는 보고 있는 중입니다.
비전공자라면 모든 키워드를 외울 필요는 없습니다. 다만 "이 변화는 단발성 트렌드가 아니라 향후 10년 산업 지형의 기본 축이 될 것" 이라는 감각을 가지고 자신의 업무·산업과 연결지어 보시기를 권합니다.
참고 자료
- NVIDIA, "Physical AI Developer Resources" (2024–2026)
- Physical Intelligence, "π0: A Vision-Language-Action Flow Model for General Robot Control" (2024)
- Google DeepMind, "RT-2 / RT-X / Gemini Robotics" 발표 자료
- Stanford, "Open X-Embodiment Dataset" (2023–)
- 산업통상자원부, "K-휴머노이드 연합 출범" 보도자료 (2024)
- UiPath, "Agentic Automation Platform" 백서 (2025)