Chaos and Order

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

원문 렌더가 준비되기 전까지 텍스트 가이드로 표시합니다.

프롤로그 — 로봇이 "쓸 만해진" 첫 해

2026년 상반기는 로봇 업계에서 묘한 분위기다. 작년만 해도 휴머노이드 로봇은 "투자 쇼"라는 야유가 흔했는데, Figure 03이 BMW 라인에서 24/7 운영을 시작하고, 1X Neo가 가정용 베타 배송을 시작하고, Unitree G1이 1,600만 원대로 보급되면서 "이제 진짜 쓸 만하다"는 평가가 늘었다. NVIDIA GR00T·Physical Intelligence pi-0.5·Google DeepMind RT-X 같은 VLA(Vision-Language-Action) 파운데이션 모델이 등장하면서, 로봇은 더 이상 "한 작업을 위해 처음부터 코딩하는 기계"가 아니라 "범용 모델을 파인튜닝하는 기계"가 되어가고 있다.

그러나 그 모델 아래의 **인프라**는 여전히 ROS 2다. 이 글은 2026년 5월 기준 ROS 2 생태계 전체 지도를 그린다 — 배포판(Humble · Jazzy · Kilted Kaiju · Lyrical Luth), 미들웨어(Fast DDS · Cyclone DDS · Zenoh), 모션 플래닝(MoveIt 2), 내비게이션(Nav2), 시뮬레이션(Gazebo Harmonic · Isaac Sim 4 · Drake), 시각화(Foxglove Studio · RViz2 · PlotJuggler), 그리고 그 위에서 돌아가는 휴머노이드 파운데이션 모델까지.

1장 · ROS 2 배포판 — 2026년 현재의 좌표

먼저 큰 그림. 2026년 5월 현재 ROS 2 배포판 상태는 이렇다.

| 배포판 | 출시 | EOL | 종류 | 비고 |

| --- | --- | --- | --- | --- |

| ROS 2 Foxy | 2020-06 | 2023-06 | LTS | 종료 |

| ROS 2 Galactic | 2021-05 | 2022-12 | non-LTS | 종료 |

| ROS 2 Humble Hawksbill | 2022-05 | 2027-05 | LTS | 산업 현장의 사실상 표준 |

| ROS 2 Iron Irwini | 2023-05 | 2024-11 | non-LTS | 종료 |

| ROS 2 Jazzy Jalisco | 2024-05 | 2029-05 | LTS | 신규 프로젝트의 기본 |

| ROS 2 Lyrical Luth | 2026-05 | 2031-05 (예정) | LTS | 출시 직후, 마이그레이션 시작 |

핵심 메시지: **2026년에 새 프로젝트라면 Jazzy 또는 갓 나온 Lyrical, 운영 중인 산업 시스템은 Humble**이 압도적이다. ROS 1 Noetic은 2025년 5월 EOL이라 더 이상 신규 도입은 불가능하고, `ros1_bridge`로 점진 마이그레이션하는 단계에 있는 팀이 여전히 많다.

2장 · ROS 1에서 ROS 2로 — 이주의 현실

2025년 5월 ROS 1 Noetic EOL은 업계에 가장 큰 사건 중 하나였다. 산업 자동화·연구실·해양/수중 로봇 분야에서 여전히 수백만 줄의 ROS 1 코드가 돌아가고 있었기 때문이다.

이주 전략은 크게 세 갈래다.

- **`ros1_bridge` 점진 이주** — ROS 1과 ROS 2를 토픽 레벨에서 양방향 변환. 가장 흔하지만 메시지 정의가 다를 때 수동 매핑 필요.

- **노드 단위 리라이트** — 핵심 노드를 ROS 2 `rclcpp`/`rclpy`로 다시 작성. 가장 깨끗하지만 비용 크다.

- **레거시 동결 + 신규 ROS 2** — ROS 1 Noetic 시스템은 보안 패치만 자체 백포트, 신규 개발은 ROS 2로. 보수적 산업 자동화 팀이 흔히 선택.

흔한 함정 몇 가지.

- `rospy` 코드를 `rclpy`로 1:1 변환하려는 시도. 콜백 모델·QoS·라이프사이클이 다르다.

- `tf` → `tf2`/`tf2_ros`. ROS 2의 `tf2`는 동작 모델이 약간 다르다.

- launch 파일이 XML에서 Python(`launch.py`)로. 익숙해지면 강력하지만 처음엔 진입장벽이 있다.

- 빌드 시스템이 `catkin`에서 `colcon` + `ament_cmake`/`ament_python`으로.

3장 · DDS 미들웨어 — Fast DDS · Cyclone DDS · Zenoh

ROS 2의 핵심 설계 결정 중 하나는 **DDS(Data Distribution Service)를 통신 백본으로 채택**한 것이다. RMW(ROS Middleware) 추상층을 통해 백엔드를 갈아끼울 수 있다.

2026년 주요 RMW 구현체.

- **rmw_fastrtps** — eProsima Fast DDS. Jazzy의 기본. 가장 널리 쓰임.

- **rmw_cyclonedds** — Eclipse Cyclone DDS. ROS 2 Foxy의 기본이었고 여전히 인기. 메모리 효율이 좋다는 평.

- **rmw_connext** — RTI Connext DDS. 상용. 자동차·항공·국방에서 인증 등급으로 사용.

- **rmw_zenoh** — Eclipse Zenoh 기반. **DDS의 후속**으로 ROS 2 커뮤니티가 주목 중. 광역 분산·저대역폭 환경에 강점. Kilted부터 1차 후보 RMW로 채택 시작.

Zenoh가 왜 중요한가? 클라우드-엣지 분산·5G/위성·다중 로봇 함대처럼 DDS의 멀티캐스트 가정이 깨지는 환경에서 강점이 있다. 멀티 로봇 협업·원격 텔레오퍼레이션에서 채택이 늘고 있다.

RMW를 바꿀 땐 환경변수 `RMW_IMPLEMENTATION=rmw_cyclonedds_cpp` 같이 명시. QoS 호환성과 디스커버리 동작이 미묘하게 다르니 그대로 갈아끼우면 안 된다.

4장 · 노드 · 토픽 · 서비스 · 액션 · 파라미터 — 핵심 5요소

ROS 2의 추상화는 5가지로 정리된다.

| 개념 | 통신 모델 | 용도 |

| --- | --- | --- |

| 토픽(Topic) | publish/subscribe | 센서 데이터·상태 스트리밍 |

| 서비스(Service) | request/response | 짧은 동기 호출 (설정 변경 등) |

| 액션(Action) | goal/feedback/result | 장기 실행 작업 (모션·이동) |

| 파라미터(Parameter) | 동기적 setter/getter | 노드 설정·튜닝 |

| 라이프사이클 이벤트 | 상태 전이 알림 | 노드 상태 관리 |

흔한 실수 — "모든 걸 토픽으로". 액션은 진행률·취소·결과를 받기 위한 모델이고, 서비스는 짧은 호출용이다. 토픽으로 액션을 흉내내면 취소/타임아웃 로직이 산만해진다.

5장 · Composition — 단일 프로세스 노드 합치기

ROS 2의 가장 큰 성능 개선 중 하나가 **Composition**(Component Nodes)이다. 같은 프로세스 안에 여러 노드를 올리면 **intra-process 통신은 메시지를 직렬화·복사하지 않고 포인터로 전달**한다.

언제 쓰는가:

- 카메라 → 이미지 처리 → 객체 검출 → 추적기 같은 파이프라인에서 매 단계마다 메가바이트 단위 이미지를 직렬화하면 CPU·메모리·지연이 폭발한다. Composition으로 묶으면 10배 이상 빨라진다.

- `rclcpp::Node`를 상속하지 말고 컴포넌트로 작성해 `component_container_mt`에 로드. `composable_node_descriptions` 기반 launch가 필수.

함정: composition을 쓰면 디버깅이 조금 까다로워진다 — 한 프로세스 안의 여러 노드가 같은 로그 스트림에 섞이므로 노드별 로깅 규칙이 필요.

6장 · 라이프사이클 노드 — 관리되는 상태

`rclcpp_lifecycle::LifecycleNode`는 노드를 **명시적 상태머신**으로 관리한다. 상태: Unconfigured · Inactive · Active · Finalized.

왜 중요한가? 자율주행·산업 자동화에서 "센서가 켜졌는지", "캘리브레이션이 끝났는지", "모터가 활성화됐는지"를 표준화된 방법으로 알 수 있어야 한다. 라이프사이클은 이걸 토픽 외부에서 표현하는 방식.

전형적 흐름: configure → activate → (실행) → deactivate → cleanup. Nav2의 거의 모든 핵심 노드가 라이프사이클이다.

7장 · QoS — Quality of Service 정책

QoS는 ROS 2 입문자가 가장 자주 헤매는 부분. 4가지 핵심 정책.

- **Reliability** — `RELIABLE` vs `BEST_EFFORT`. 센서 raw 데이터는 best-effort, 명령은 reliable.

- **Durability** — `VOLATILE` vs `TRANSIENT_LOCAL`. latched topic에 해당하는 게 transient_local.

- **Deadline** — 메시지가 일정 주기 안에 와야 함을 선언. 어기면 콜백.

- **Liveliness** — publisher가 살아있는지의 보증.

흔한 실수: pub/sub의 QoS가 호환되지 않으면 연결 자체가 안 된다(빌드는 됨, 런타임에 침묵). RViz·Foxglove에서 토픽이 안 보이면 90%가 QoS 불일치.

권장 프로파일: `rclcpp::SensorDataQoS()`(센서 raw), `rclcpp::ServicesQoS()`(서비스), `rclcpp::ReliableQoS()`(명령).

8장 · rclcpp · rclpy — 클라이언트 라이브러리

ROS 2의 두 주력 언어.

- **rclcpp(C++)** — 성능 크리티컬한 노드. 컴포지션·라이프사이클·intra-process 통신을 풀 활용 가능. 실시간 보장이 필요한 곳.

- **rclpy(Python)** — 빠른 프로토타입·연구·고수준 로직. GIL 때문에 처리량이 제한적이지만 사용성은 압도적.

- **rclrs(Rust)** — 커뮤니티 주도, 실험적. 안전성·동시성 측면에서 관심 증가.

- **rclnodejs / ros2-web-bridge** — 웹·노드 통합.

전형적 분담: 저수준 드라이버·필터·SLAM은 C++, 행동 트리·UI·외부 시스템 연동은 Python.

9장 · MoveIt 2 — 모션 플래닝 표준

ROS 1 시절부터 표준 모션 플래너였던 **MoveIt**은 ROS 2에서도 그대로 표준 자리를 지킨다.

2026년 기준 주요 사실:

- **MoveIt 2** — Humble·Jazzy 기반. 매니퓰레이션의 사실상 표준.

- **MoveIt Pro** — PickNik Robotics 상용 버전. 행동 트리 기반 매니퓰레이션 워크플로, 시뮬레이션, 인증 등 기업용 부가 기능.

- 플래너: **OMPL**(샘플링 기반, 기본), **CHOMP**(궤적 최적화), **STOMP**(확률적 궤적 최적화), **Pilz Industrial**(LIN/CIRC/PTP 같은 산업 표준 모션).

- IK 솔버: **KDL**(기본, 범용), **TRAC-IK**(빠르고 정확), **bio_ik**(파라미터화 잘됨), **IKFast**(특정 로봇에 컴파일된 해석적 솔버).

- **Servo** — 실시간 텔레오퍼레이션, 카르테시안 jogging.

흔한 함정: 충돌 모델이 실제 로봇과 다르면 시뮬에선 OK인데 실제에서 콜리전. URDF·SRDF 정리에 시간을 충분히 써야 한다.

10장 · Nav2 — 자율 주행/이동 표준

`navigation2`(Nav2)는 ROS 2의 내비게이션 스택. ROS 1 `navigation`의 후계자이며, **행동 트리(Behavior Tree) 기반**이 가장 큰 차이.

핵심 플러그인 카테고리:

- **Planner** — 전역 경로. `NavfnPlanner`(기본), `SmacPlanner2D/Hybrid`, `ThetaStar`.

- **Controller** — 지역 제어. `DWB`, `RPP`(Regulated Pure Pursuit), `MPPI`(Model Predictive Path Integral).

- **Costmap** — `static_layer`, `obstacle_layer`, `inflation_layer`, `voxel_layer`.

- **Recovery / Behaviors** — 복구 동작. `Spin`, `Wait`, `BackUp`, `AssistedTeleop`.

- **Localization** — `amcl`, `slam_toolbox`(SLAM 모드).

- **Behavior Tree** — `navigate_to_pose.xml` 같은 BT가 진짜 메인 로직. 플래너·컨트롤러는 BT 노드로 호출됨.

2026 기준 사실상 표준 조합: **SLAM Toolbox + AMCL + Nav2 + RPP/MPPI + 행동 트리**.

함정: BT를 처음 보면 "왜 이렇게 복잡한가" 싶다. 그러나 "복구 동작이 N개", "조건부 동작이 M개"가 되면 BT가 코드보다 훨씬 깔끔하다. 처음 N개월은 BT 디자이너에서 시각적으로 만들고 익숙해진 후 yaml 직접 편집.

11장 · Gazebo — Classic 종말, Harmonic의 시대

2025년 1월, **Gazebo Classic 11이 EOL**을 맞이했다. 15년 가까이 ROS의 표준 시뮬레이터였던 Gazebo Classic이 공식적으로 종료된 사건이다.

후속 라인업(과거 "Ignition Gazebo"로 불리던, 2022년부터 그냥 "Gazebo"로 이름 통일):

- **Gazebo Garden** — 2023, Humble/Iron과 함께.

- **Gazebo Harmonic** — 2023 후반 LTS, Jazzy의 기본 시뮬레이터.

- **Gazebo Ionic** — 2024 후반, Kilted와 함께. 비-LTS.

- **Gazebo Jetty** — 2026 출시 예정, Lyrical과 페어링.

Classic과의 차이점:

- 모듈러 아키텍처: `gz-sim`, `gz-physics`, `gz-rendering`, `gz-transport`로 분리.

- 물리 엔진 다중화: ODE 외에 DART, Bullet, TPE를 지원.

- 렌더링: ogre2(기본), 향후 Vulkan.

- 모델 SDF v1.10/1.11.

- ROS 2 연결: `ros_gz_bridge`, `ros_gz_sim`(런처).

마이그레이션 함정: Classic 모델/플러그인은 90%가 비호환. URDF는 호환되지만 Classic 전용 플러그인(`gazebo_ros_*`)은 새 플러그인(`gz_ros2_control` 등)으로 다시 짜야 한다.

12장 · NVIDIA Isaac Sim 4.x + Isaac Lab 2.x — GPU 가속 시뮬레이션

2026년 시뮬레이션에서 가장 큰 흐름은 **Omniverse Isaac Sim**과 그 위의 **Isaac Lab**이다.

Isaac Sim 4.x의 강점:

- **PhysX GPU 가속** — 수천 개의 환경을 병렬로 시뮬레이션. 강화학습에서 학습 시간이 일 단위에서 시간 단위로.

- **물리 정확도** — 강체·연체·천·로프·접촉을 광범위하게 모사.

- **포토리얼리스틱 렌더링** — RTX 레이트레이싱 기반의 합성 데이터 생성에 적합.

- **USD 기반** — Pixar Universal Scene Description으로 산업 표준 워크플로.

Isaac Lab 2.x(이전 Isaac Gym + ORBIT 통합):

- 강화학습·모방학습 워크플로의 통합 환경.

- 대표 학습 라이브러리: `rl_games`, `rsl_rl`, `skrl`, `stable-baselines3`.

- ANYmal·Spot·Cassie·H1·G1·UR10 같은 표준 로봇 자산 제공.

추가 2026 발표: **NVIDIA Cosmos** — 비디오 기반 파운데이션 모델. 로봇 학습용 합성 데이터를 텍스트 프롬프트로 생성. "물에 젖은 콘크리트 바닥에서 박스 들어올리기" 같은 시나리오를 수만 개 합성.

Isaac Sim을 쓰는 팀의 흔한 패턴: 사전 학습은 Isaac Lab에서 대규모로, 미세조정은 실제 환경의 작은 데이터에서, 실 배포는 ROS 2 Nav2/MoveIt 위에.

13장 · NVIDIA Isaac ROS — CUDA 가속 패키지

**Isaac ROS**는 ROS 2 패키지 모음으로, 핵심 인지/계산을 CUDA로 가속한다.

- **isaac_ros_visual_slam** — GPU 가속 VSLAM(cuVSLAM 기반).

- **isaac_ros_nvblox** — 3D 점유 매핑.

- **isaac_ros_dnn_inference** — TensorRT 통합 객체 검출/분할.

- **isaac_ros_image_pipeline** — 이미지 변환·왜곡 보정 GPU 가속.

- **isaac_ros_apriltag** — AprilTag 인식 GPU 가속.

- **isaac_ros_argus_camera** — Jetson 카메라 인터페이스.

- **isaac_ros_object_detection** — DetectNet/YOLO 추론.

대상 하드웨어: Jetson Orin Nano/NX/AGX, IGX Orin, x86 + RTX. Jetson Orin AGX는 사실상 모바일 로봇의 표준 두뇌 중 하나.

14장 · Drake — TRI의 정밀 동역학 엔진

**Drake**(Toyota Research Institute가 주도하는 MIT 라이선스 프로젝트)는 정밀한 다체동역학과 최적화 기반 모션 플래닝에 특화된 라이브러리다.

특징:

- **Multibody Plant** — 정확한 강체동역학, 자동미분 지원.

- **수치 최적화 통합** — Mathematical Programming(MOSEK, Gurobi, IPOPT, SNOPT 등) 인터페이스.

- **Trajectory Optimization** — Direct collocation, KKT 기반.

- **시스템 다이어그램** — 블록 다이어그램 식으로 컨트롤러 합성.

- **Python 바인딩** — `pydrake`로 빠른 프로토타입.

위치: 학계·연구 중심 + 일부 산업(특히 Toyota TRI 내부)에서 사용. Gazebo/Isaac이 "그래픽적 시뮬레이터"라면 Drake는 "수학적 분석 엔진". ROS 2와의 직접 통합은 약하지만 `drake_ros` 같은 인터페이스 패키지가 있다.

15장 · Foxglove Studio — RViz를 넘어선 시각화

**Foxglove**(전 Cruise 팀이 창업한 회사)는 ROS 시각화 도구의 새 표준을 만들고 있다.

기능 비교:

| 도구 | 강점 | 한계 |

| --- | --- | --- |

| RViz2 | ROS 네이티브, 3D 시각화 강력 | UI 구식, 협업 어려움 |

| Foxglove Studio | 데스크탑·웹·임베드, 패널 풍부 | 일부 RViz 플러그인 부재 |

| PlotJuggler | 시계열 플롯 최강 | 3D는 약함 |

| rqt | 다양한 진단 플러그인 | 노쇠한 UI |

Foxglove의 차별점:

- **MCAP 파일 포맷** — rosbag2의 기본 백엔드로 채택. 압축·랜덤 액세스·다언어 디코딩.

- **Foxglove Data Platform** — 클라우드에 로그 저장·검색·공유.

- **웹·데스크탑 동일 UX** — 원격 텔레오퍼레이션 콘솔로도 활용.

- **WebSocket/Rosbridge 연결**.

2026년 패턴: 산업·연구 현장에서 RViz를 완전히 대체하지는 못해도, **데이터 분석·디버깅·원격 모니터링**은 Foxglove가 사실상 표준이 되어가고 있다.

16장 · rosbag2 + MCAP — 로그의 새 표준

`rosbag2`는 ROS 2의 로깅 도구. 기본 스토리지는 SQLite3이지만, 2024년 이후 **MCAP**(Foxglove가 만든 포맷)이 기본 권장으로 자리잡았다.

MCAP의 장점:

- **언어 독립적 디코딩** — Python, C++, Rust, JS 모두 SDK 있음.

- **압축**(LZ4, Zstd) 옵션.

- **랜덤 액세스** — 시간 인덱스로 빠르게 점프.

- **메시지 정의 임베드** — IDL/schema가 파일 안에 있어서 미래에도 디코딩 가능.

- **확장성** — ROS 외 시스템에서도 사용(자율주행·드론 회사들이 자체 데이터 파이프라인에 채택).

CLI: `ros2 bag record -s mcap /topic`. 분석은 Foxglove Studio·`mcap-cli`로.

17장 · 휴머노이드 파운데이션 모델 — VLA의 해

2026년 로봇 업계의 가장 큰 화두는 **VLA(Vision-Language-Action) 파운데이션 모델**이다. 자연어로 지시하면 로봇이 시각 입력을 보고 동작을 직접 출력하는 모델들이다.

대표 모델/플레이어.

- **NVIDIA GR00T(Generalist Robot 00 Technology)** — 휴머노이드 범용 파운데이션 모델. GR00T N1·N1.5 공개, 2026년 GR00T N2로 진화. Isaac Sim/Lab과 통합.

- **Physical Intelligence pi-0 / pi-0.5** — Pi(πbot) 회사의 VLA 모델. pi-0.5는 일반화 능력을 강조하며 가정·창고 등 다양한 환경에서 학습.

- **Figure 02 / Figure 03 + Helix** — Figure의 휴머노이드. Helix는 자체 VLA. Figure 03은 BMW 라인 실제 배치.

- **1X Neo + Redwood** — 1X의 가정용 휴머노이드. Redwood는 음성/시각 입력 처리 모델.

- **Apptronik Apollo** — 산업용 휴머노이드. Mercedes·NASA와 협업.

- **Unitree G1 / H1** — 저가 시장. 연구실에 대량 보급.

- **OpenAI + Microsoft + 현대(Boston Dynamics) 파트너십** — 2025년 후반 공개된 휴머노이드 협업.

- **Google DeepMind RT-1, RT-2, RT-X** — 인터넷 텍스트로 사전 학습된 모델에 로봇 동작 토큰을 더한 패밀리. Open X-Embodiment 데이터셋으로 일반화.

- **Boston Dynamics Atlas + Spot** — 전기식 신형 Atlas + Spot SDK. Spot은 산업 점검의 사실상 표준.

핵심 관찰: 2024년까지의 "한 작업당 한 모델"에서 2026년의 "**한 모델로 여러 작업**"으로 패러다임이 이동 중. 단, "한 모델로 모든 작업"은 아직 멀었다.

18장 · 오픈 로봇 데이터셋 — 학습의 연료

VLA 시대의 핵심 자원은 **대규모 로봇 시연 데이터**다. 2026년 주요 공개 데이터셋.

- **Open X-Embodiment** — Google·22개 기관 연합. 22개 로봇 임바디먼트, 100만 개 이상의 에피소드. RT-X·OpenVLA·Octo 학습에 사용.

- **DROID** — Stanford·Berkeley·CMU. Franka 팔 기준의 대규모 시연. 다양한 가정·사무 환경.

- **BridgeData v2** — 객체 조작 일반화 평가의 표준 벤치.

- **RoboMind / RoboCasa** — UC Berkeley·NYU의 합성·실측 혼합 데이터.

- **ALOHA / Mobile ALOHA** — Stanford 양손 텔레오퍼레이션 모방 학습 표준.

- **HumanoidBench** — 휴머노이드 벤치마크 통합.

각 데이터셋의 토큰화·임바디먼트가 다르다는 점이 도전과제. OpenVLA·Octo 같은 **임바디먼트 무관 모델**은 이 격차를 어떻게 흡수할지가 핵심 연구 주제.

19장 · 표준 하드웨어 플랫폼 — 시작점

2026년에 "ROS 2 로봇 만들기"를 시작한다면 어떤 하드웨어를 골라야 하나.

- **TurtleBot 4** — iRobot Create 3 기반의 ROS 2 표준 교육용 이동 로봇.

- **Clearpath Husky / Jackal / Warthog** — 야외/험지 연구용. Clearpath는 ROS 표준 제휴 업체.

- **Universal Robots UR3/5/10/16/20** — 협동 로봇 매니퓰레이터. ROS 2 드라이버 안정적.

- **Franka Emika Panda** — 7축 매니퓰레이터, 토크 센싱. 학계 표준.

- **Robotiq grippers** — 협동로봇과 페어링되는 그리퍼 표준.

- **Boston Dynamics Spot** — 4족 로봇 + Spot SDK + ROS 2 인터페이스.

- **Unitree Go2 / G1 / H1** — 가성비 강한 4족·휴머노이드.

- **OAK-D / Intel RealSense / ZED** — RGB-D 카메라 트라이앵글.

- **Velodyne / Ouster / Livox / Hesai** — LiDAR 라인업.

선택 기준: 커뮤니티 지원 → 드라이버 성숙도 → 예산. TurtleBot 4 + UR + Spot이 가장 흔한 학교 3종 세트.

20장 · 한국 로보틱스 풍경 — 2026년

한국 로봇 업계의 흐름.

- **현대로보틱스(HD Hyundai Robotics)** — 산업용 매니퓰레이터 글로벌 4위권. ROS 2 드라이버 공식 지원.

- **두산로보틱스(Doosan Robotics)** — 협동로봇 라인업(M·H·E시리즈). Dart Suite + ROS 2 인터페이스.

- **레인보우로보틱스(Rainbow Robotics)** — KAIST 휴보 출신 창업. RB 시리즈 협동로봇·휴머노이드. 삼성전자가 2024년 인수 참여.

- **로보티즈(ROBOTIS)** — DYNAMIXEL 서보·OP3 휴머노이드. 교육 시장 절대 강자. ROS 2 공식 지원.

- **네이버랩스(NAVER Labs)** — HORIZON 자율주행, MINIRO 서비스 로봇, ARC 클라우드 로보틱스 플랫폼.

- **KAIST 휴보랩** — HUBO 시리즈. 전 세계 휴머노이드 연구의 한 축. DARPA Robotics Challenge 우승.

- **현대차 그룹 + 보스턴 다이내믹스** — 2021 인수 이후 신형 Atlas 전기식 공개. 차량 조립 라인 적용.

2026 흐름: **휴머노이드 + 협동로봇 + 자율주행** 세 축으로 정부 차원 투자가 집중. 산업 클러스터로는 인천 송도(현대), 대전(KAIST·로보티즈), 시흥(레인보우)이 두드러진다.

21장 · 일본 로보틱스 풍경 — 2026년

일본은 전통적으로 산업 로봇의 강국. 휴머노이드·서비스 로봇도 흐름이 활발하다.

- **Toyota Research Institute(TRI)** — Drake 주도. T-HSR(Human Support Robot)는 가정 보조 연구 플랫폼의 표준.

- **Honda Asimo(레거시)** — 2022년 공식 은퇴. Honda는 휴머노이드보다 모빌리티에 집중.

- **Preferred Networks(PFN)** — Toyota·Fanuc과 협업. 산업 자동화에 딥러닝 적용 선두.

- **Sony Aibo** — 소비자용 로봇 펫. AI 강화 모델 지속 출시.

- **OMRON** — 산업 자동화·AGV·협동로봇 통합 솔루션.

- **Fanuc / Yaskawa / Kawasaki** — 산업용 로봇 글로벌 빅3.

- **Cyberdyne HAL** — 의료/재활 외골격.

- **Mujin** — 물류 자동화 + Mujin Controller 자체 통합 컨트롤러.

- **GROOVE X LOVOT** — 감성 동반자 로봇.

일본 특유의 흐름: **산업 로봇은 강력하지만 ROS는 보수적으로 채택**. 자체 컨트롤러(Fanuc, Yaskawa)가 압도적이라 ROS는 R&D·신규 분야 위주.

22장 · 학습 자료 · 커뮤니티 · 컨퍼런스

ROS 2를 배우는 2026년 표준 경로.

- **공식 튜토리얼** — `docs.ros.org`의 Jazzy 튜토리얼이 최신.

- **The Construct** — 온라인 ROS 학교. 실습 환경 제공.

- **Open Robotics 강의 자료** — `discourse.ros.org`에서 강사 자료 공유.

- **ROS Industrial Consortium** — 산업 자동화 도입의 표준 커뮤니티. 미주·유럽·아시아 챕터.

- **ROSCon** — 매년 가을 본 컨퍼런스. 2026은 싱가포르 예정.

- **ROS Developer's Day** — 연 1~2회 온라인.

- **IROS, ICRA, RSS** — 학술 컨퍼런스 빅3.

- **Humble Bundle 형식의 로보틱스 책 묶음** — 자주 등장.

추천 책: Steven Macenski의 Nav2 페이퍼들, MoveIt 공식 튜토리얼, "Modern Robotics"(Lynch & Park), "Probabilistic Robotics"(Thrun et al.) — 후자는 클래식이지만 여전히 필독.

23장 · 흔한 함정 10가지

ROS 2 도입에서 자주 보는 실패 패턴.

1. **QoS 불일치로 토픽이 안 보임** — pub/sub 프로파일을 처음부터 명시하라.

2. **CycloneDDS와 FastDDS 혼용으로 디스커버리 깨짐** — 한 시스템 안에선 같은 RMW로 통일.

3. **`rclpy`만으로 1kHz 제어 시도** — GIL/오버헤드로 불가. 저수준은 C++로.

4. **launch.py에 모든 걸 하드코딩** — 파라미터·include·환경 변수로 분리.

5. **시뮬에서만 동작하고 실제에선 깨짐** — sim-to-real gap. URDF 마찰·관성·캘리브레이션을 검증.

6. **TF 트리 깨짐** — `static_transform_publisher`와 동적 TF의 시간 동기화 실수.

7. **Composition 안 쓰고 이미지 파이프라인 운영** — CPU·메모리 폭발.

8. **rosbag 기록 안 함** — 사고 후 재현 불가능. MCAP로 항상 기록.

9. **`tf2` 시간 보정 실수** — 시뮬레이션 시간(`use_sim_time`)을 모든 노드에 일관 적용해야.

10. **모든 노드가 라이프사이클 무시** — Nav2/시스템 통합에서 상태 추적 불가.

24장 · 도구를 고르는 7가지 기준

요약하면 결국 이 7가지를 본다.

1. **배포판** — 신규는 Jazzy 또는 Lyrical, 운영은 Humble.

2. **미들웨어** — 기본은 Fast DDS, 멀티 로봇·광역은 Zenoh 후보.

3. **시뮬레이터** — 정확도가 중요하면 Gazebo Harmonic, GPU 학습은 Isaac Sim/Lab, 정밀 동역학은 Drake.

4. **모션 플래닝** — 매니퓰레이션은 MoveIt 2, 이동은 Nav2.

5. **시각화/디버깅** — RViz2 + Foxglove + PlotJuggler 3종 세트.

6. **학습 스택** — 강화학습은 Isaac Lab, 모방학습은 LeRobot/HuggingFace·OpenVLA.

7. **하드웨어** — TurtleBot 4(교육) → UR/Franka(매니퓰레이션) → Spot/Husky(이동) 단계.

선택의 본질: **"어떤 도구가 최고인가"가 아니라 "우리 작업/제약에서 어떤 조합이 합리적인가"**다. 그리고 그 조합은 1~2년마다 재평가해야 한다 — 휴머노이드 파운데이션 모델이 1년 단위로 판을 갈고 있다.

25장 · 다음 10년 — 무엇이 올까

장기 흐름을 정리하면.

- **VLA 모델의 일상화** — 작은 임바디먼트 조정만으로 다양한 작업을 수행하는 베이스 모델이 표준.

- **시뮬레이션-실세계 갭의 축소** — Isaac Sim/Cosmos·Drake·Gazebo가 물리 정확도를 더 끌어올린다.

- **데이터 인프라의 폭발** — Open X-Embodiment를 잇는 새 데이터셋이 분기마다 발표. 데이터 라벨링·큐레이션이 핵심 직군.

- **휴머노이드의 보급화** — 가정·창고·요식업까지 임대형 휴머노이드 확산.

- **안전 인증** — ISO 10218(산업로봇), ISO 13482(서비스로봇), 새 휴머노이드 안전 표준 정립.

- **ROS 2 외 미들웨어의 등장 가능성** — Zenoh·new RMW·또는 ROS 2를 완전히 대체할 무언가의 등장 시나리오도 진지하게 논의됨.

- **엣지-클라우드 분산** — 추론은 클라우드, 제어는 엣지의 하이브리드.

에필로그 — 로봇은 "코드 + 데이터 + 물리"의 교집합이다

이 글의 한 문장 요약: **2026년의 로봇은 ROS 2 위에서 VLA가 돌아가는 기계다.**

10년 전 로봇은 PID와 상태머신과 손으로 짠 동작 시퀀스의 모음이었다. 2026년 로봇은 그 위에 **거대 모델·합성 데이터·시뮬레이션 학습**이 한 켜 더 얹혔다. 그러나 가장 아래 켜는 여전히 ROS 2의 토픽·서비스·액션·TF 트리이고, 그 위에 Nav2와 MoveIt가 있고, 그 위에 Gazebo/Isaac이 있고, 가장 위에 VLA 모델이 있다.

다음 10년의 로봇 엔지니어가 다룰 일은 **PID 게인 튜닝이 아니라 모델·데이터·미들웨어의 인터페이스 설계**다. 그러나 PID·운동학·TF가 사라지지는 않는다. 다층 추상화의 시대에 가장 강한 엔지니어는 **위에서 아래까지 두루 안 사람**이다.

12개 항목 체크리스트

1. ROS 2 배포판이 EOL 일정 안에 있나?

2. RMW를 한 시스템 안에서 일관되게 쓰나?

3. QoS 프로파일을 의식적으로 골랐나?

4. 모든 노드가 라이프사이클로 관리되나?

5. composition으로 intra-process 통신을 활용하나?

6. URDF/SRDF가 실제 로봇과 일치하나?

7. 시뮬-실 갭을 측정·관리하고 있나?

8. rosbag/MCAP으로 모든 운행을 기록하나?

9. CI/CD에 시뮬레이션 테스트가 포함되나?

10. 멀티 로봇/광역 통신을 고려한 미들웨어 선택인가?

11. 데이터·모델·코드의 버전 관리가 통일됐나?

12. 안전·인증·법규 검토 절차가 있나?

안티패턴 10가지

1. ROS 1 코드를 1:1 변환하려는 시도 — 모델이 다르다.

2. RMW를 막 섞기 — 디스커버리 끊김의 단골 원인.

3. `rclpy`로 1kHz 제어 — C++로.

4. URDF를 대충 짜기 — 시뮬-실 갭의 시작.

5. 모든 걸 토픽으로 — 액션·서비스·파라미터를 알맞게.

6. composition 안 쓰기 — 큰 데이터에선 필수.

7. rosbag 없이 운영 — 사고 분석 불가능.

8. 시뮬에서만 검증하고 배포 — 현장에서 깨진다.

9. 1세대 데이터로 평생 학습 — 데이터 신선도 관리 필요.

10. 안전 인증을 사후에 — 처음부터 설계에 포함.

다음 글 예고

다음 글 후보: **Isaac Lab 실전 — 강화학습으로 사족 로봇 걷기 배우기**, **MoveIt Pro vs OSS MoveIt 2 — 산업 도입 가이드**, **VLA 모델 미세조정 — Open X-Embodiment에서 우리 로봇으로**.

> "로봇은 코드와 데이터와 물리의 교집합에 있다. 셋 중 어느 하나만 잘해서는 안 된다."

— ROS 2 & Robotics Stack 2026, 끝.

참고 / References

- [ROS 2 Documentation](https://docs.ros.org/en/jazzy/)

- [ROS 2 Distributions and EOL](https://docs.ros.org/en/rolling/Releases.html)

- [REP 2000 — ROS 2 Releases and Target Platforms](https://www.ros.org/reps/rep-2000.html)

- [eProsima Fast DDS](https://fast-dds.docs.eprosima.com/)

- [Eclipse Cyclone DDS](https://cyclonedds.io/)

- [Eclipse Zenoh](https://zenoh.io/)

- [rmw_zenoh GitHub](https://github.com/ros2/rmw_zenoh)

- [MoveIt 2 Documentation](https://moveit.picknik.ai/main/index.html)

- [MoveIt Pro](https://picknik.ai/pro)

- [Navigation 2 (Nav2)](https://docs.nav2.org/)

- [Gazebo](https://gazebosim.org/)

- [Gazebo Harmonic Release](https://gazebosim.org/docs/harmonic/)

- [NVIDIA Isaac Sim](https://developer.nvidia.com/isaac/sim)

- [NVIDIA Isaac Lab](https://isaac-sim.github.io/IsaacLab/)

- [NVIDIA Isaac ROS](https://developer.nvidia.com/isaac/ros)

- [NVIDIA GR00T](https://developer.nvidia.com/isaac/gr00t)

- [NVIDIA Cosmos](https://www.nvidia.com/en-us/ai/cosmos/)

- [Drake — TRI Robotics](https://drake.mit.edu/)

- [Foxglove Studio](https://foxglove.dev/)

- [MCAP File Format](https://mcap.dev/)

- [rosbag2 GitHub](https://github.com/ros2/rosbag2)

- [Open X-Embodiment](https://robotics-transformer-x.github.io/)

- [DROID Dataset](https://droid-dataset.github.io/)

- [BridgeData V2](https://rail-berkeley.github.io/bridgedata/)

- [Physical Intelligence (pi)](https://www.physicalintelligence.company/)

- [Figure AI](https://www.figure.ai/)

- [1X Technologies](https://www.1x.tech/)

- [Apptronik](https://apptronik.com/)

- [Unitree Robotics](https://www.unitree.com/)

- [Boston Dynamics Spot SDK](https://dev.bostondynamics.com/)

- [Universal Robots — ROS 2 Driver](https://github.com/UniversalRobots/Universal_Robots_ROS2_Driver)

- [Franka ROS 2](https://github.com/frankaemika/franka_ros2)

- [Clearpath Robotics](https://clearpathrobotics.com/)

- [TurtleBot 4](https://turtlebot.github.io/turtlebot4-user-manual/)

- [The Construct — ROS School](https://www.theconstruct.ai/)

- [ROS Industrial Consortium](https://rosindustrial.org/)

- [ROSCon](https://roscon.ros.org/)