Chaos and Order

💡 왼쪽 원문을 읽으면서 오른쪽에 따라 써보세요. Tab 키로 힌트를 받을 수 있습니다.

들어가며 — 왜 지금 로봇인가
1부 — 기업 지도: 하드웨어 × 두뇌 × 시장
2부 — VLA 모델 계보: RT-2에서 GR00T N2까지
3부 — 소프트웨어 스택: 엔지니어가 만지는 것들
4부 — 엔지니어의 진입 경로
마치며
참고 자료

들어가며 — 왜 지금 로봇인가

숫자 하나로 시작합니다: 2026년 전 세계 휴머노이드 출하량 전망치는 5만 대 이상 — 전년 대비 약 7배입니다. 140개가 넘는 회사가 1만 6천 달러부터 25만 달러까지의 휴머노이드를 만들고 있고, LLM 붐의 자본과 인재가 "다음 기판"으로 몰려드는 곳이 바로 여기입니다. 변화의 방아쇠는 하드웨어가 아니라 두뇌였습니다 — LLM/VLM의 능력이 로봇 행동으로 이어지는 VLA(Vision-Language-Action) 모델이 등장하면서, 수십 년 묵은 "로봇은 프로그래밍된 동작만 한다"는 한계가 무너지기 시작했습니다.

이 글은 세 겹으로 지도를 그립니다 — 기업(누가 만드나), 모델(두뇌는 어떻게 진화했나), 스택(엔지니어는 무엇으로 만지나).

1부 — 기업 지도: 하드웨어 × 두뇌 × 시장

미국 — 자본과 파운데이션 모델의 전장

Figure — 이 판의 자본 리더입니다. OpenAI 주도의 대형 라운드로 밸류에이션 약 390억 달러. 전략의 핵심은 하드웨어가 아니라 자체 VLA 모델 Helix — "몸은 수단, 해자(moat)는 임바디드 AI"라는 베팅입니다. Figure 03이 현행 플랫폼.
Tesla — Optimus는 별도 펀딩 대신 제조 스케일에 베팅합니다. Gen 3가 2026년 여름 양산 목표 — "자동차 공장을 가진 회사가 로봇을 찍는다"는 시나리오의 시험대입니다.
Physical Intelligence (π) — 로봇을 안 팝니다. 모든 로봇에 이식 가능한 범용 두뇌(π0, π0.5) 를 만드는 소프트웨어 회사로, 확산(diffusion) 기반 액션 생성으로 손재주(dexterity) 벤치마크를 이끕니다. 파트너십 접근만 가능한 클로즈드 모델이라는 점이 OpenVLA와의 대비점.
1X — 가정용 휴머노이드 NEO로 "집 안"이라는 가장 어려운 환경에 정면 도전. Apptronik(Apollo)과 Agility Robotics(Digit)는 물류·창고라는 가장 현실적인 시장에서 상용 배치를 쌓는 중. Boston Dynamics는 유압을 버린 전동 Atlas로 연구 명가에서 상용 플레이어로 전환 중입니다.

중국 — 가격과 물량

Unitree — 이 판의 가격 파괴자. 4족 보행 로봇으로 다진 양산 능력으로 휴머노이드 G1을 낮은 가격대에 밀어내며 2025년에만 5,500대 이상 출하 — 물량 기준 세계 선두입니다. 밸류에이션 약 13억 달러로 자본은 Figure의 30분의 1이지만, "일단 싸게 많이 뿌려 데이터를 모은다"는 전략은 무섭습니다. 그 뒤로 UBTech, Fourier, AgiBot 등이 중국 제조 생태계를 업고 추격 중.

한국 — 제조 강국의 조용한 참전

레인보우로보틱스 — KAIST 휴보 계보의 회사로, 삼성전자가 최대주주가 되며 그룹 로봇 전략의 축이 됐습니다. 두산로보틱스는 협동로봇(코봇) 강자로 산업 현장을 장악해 가는 중이고, 현대차그룹 산하의 Boston Dynamics와 함께 "한국 자본이 쥔 로봇 포트폴리오"는 생각보다 큽니다.

관전 포인트는 세 축의 조합입니다 — 하드웨어(액추에이터·손), 두뇌(VLA), 시장(공장→물류→가정). Figure는 두뇌 수직통합, Tesla는 제조, Unitree는 가격, π는 두뇌 수평판매로 각자 다른 축에 베팅하고 있습니다.

2부 — VLA 모델 계보: RT-2에서 GR00T N2까지

VLA는 "이미지를 보고(Vision), 지시를 이해하고(Language), 모터 명령을 낸다(Action)"를 하나의 모델로 합니다. 계보를 따라가면 지금 위치가 보입니다.

RT-2 (구글 딥마인드, 2023)   VLM을 로봇 행동에 연결한 개념 증명 — "인터넷 지식이 팔로 이어진다"
OpenVLA (2024)              7B 오픈소스 VLA — 누구나 받아서 파인튜닝 가능한 출발점
π0 (Physical Intelligence)   확산 기반 연속 액션 — 손재주의 새 기준, 클로즈드
Helix (Figure)              "빠른 반사 + 느린 추론" 이중 시스템, 휴머노이드 상반신 제어
GR00T N1 → N1.6 → N2 (NVIDIA) 공개 가중치 휴머노이드 파운데이션 모델 — N1.6은 3B 파라미터,
                            N2는 30+ 자유도 휴머노이드를 1차 설계 대상으로 삼은 최초의 대형 VLA

기술 흐름 세 가지만 기억하면 됩니다. 첫째, 행동 표현의 진화 — 이산 토큰(RT-2)에서 확산/플로 매칭(π0)으로, 부드럽고 정밀한 연속 제어로. 둘째, 데이터 전략 — 로봇 실기 데이터는 비싸므로, 웹 비디오·1인칭 영상으로 세계의 동역학을 선학습하고(V-JEPA 2, GR00T의 잠재 행동 사전학습) 로봇 데이터로 정렬하는 2단 구조가 표준화. 셋째, 월드 모델과의 융합 — NVIDIA Cosmos 같은 월드 파운데이션 모델이 VLA의 백본에 흡수되며 "행동의 결과를 상상하고 움직이는" 방향으로 진화 중입니다. 이 데이터 파이프라인 감각은 LLM 데이터 전처리 편과 정확히 같은 문법입니다 — 재료만 텍스트에서 영상·궤적으로 바뀌었을 뿐.

3부 — 소프트웨어 스택: 엔지니어가 만지는 것들

층위             도구                        역할
──────────────  ─────────────────────────  ────────────────────────────
시뮬레이션        NVIDIA Isaac Sim / Lab     포토리얼 물리 시뮬 + 강화학습 프레임워크
                 MuJoCo                     연구 표준 경량 물리 엔진 (딥마인드)
미들웨어          ROS 2                      로봇계의 리눅스 — 노드·토픽·액션 통신
파운데이션 모델   Isaac GR00T (N 시리즈)      공개 가중치 휴머노이드 VLA
학습 프레임워크   LeRobot (HuggingFace)       로봇계의 Transformers — 데이터셋·정책·실기 학습
데이터           Open X-Embodiment           수십 로봇의 궤적을 모은 공동 데이터셋

특기할 것은 sim-to-real 파이프라인의 표준화입니다 — Isaac Lab에서 대규모 병렬 강화학습으로 정책을 만들고, 도메인 랜덤화로 현실 간극을 좁혀 실기에 이식하는 흐름이 사실상의 교과서가 됐습니다. 그리고 이 학습들이 도는 곳이 바로 멀티 GPU 클러스터입니다 — 로봇 AI는 LLM 인프라의 이웃입니다.

4부 — 엔지니어의 진입 경로

"로봇 회사는 로봇공학 박사만 뽑지 않나요?" — 더 이상 아닙니다. VLA 시대의 로봇 회사는 사실상 거대한 ML 인프라 + 데이터 엔지니어링 조직이고, 채용 공고의 절반은 직무 지식 지도의 기술들입니다. 현실적인 3단 경로:

LeRobot으로 시작 — 노트북에서 공개 데이터셋으로 정책을 학습시켜 보고, 여유가 되면 저가 로봇 팔(SO-ARM 계열)로 실기까지. "엔드투엔드로 한 번"의 로봇판입니다.
논문 3편 정독 — OpenVLA(오픈소스 기준점), π0(확산 액션), GR00T N1(휴머노이드 파운데이션). 이 세 편이면 현재 지형의 좌표계가 잡힙니다.
시뮬레이션 실력 — Isaac Lab 또는 MuJoCo로 강화학습 파이프라인을 한 번 돌려보면, 로봇 팀 면접에서 말이 통하는 수준이 됩니다.

기존 ML 엔지니어에게 로봇은 "새 분야"라기보다 분포가 이상하고 지연 요구가 혹독한 또 하나의 배포 환경입니다 — 그리고 그 관점이 바로 이 업계가 지금 목마르게 찾는 사람의 관점입니다.

마치며

2026년의 로봇 산업은 "하드웨어 데모"의 시대에서 "두뇌와 물량"의 시대로 넘어가는 중입니다. Figure의 390억 달러와 Unitree의 5,500대는 같은 판의 두 전략이고, 그 판의 공용어는 VLA입니다. LLM 인프라에서 일해 온 엔지니어라면 — 여러분의 기술은 이미 절반쯤 로봇 기술입니다. 나머지 절반은 물리 세계가 가르쳐 줄 것입니다.