시범을 따라 하는 로봇, 혁신은 현장에서 판가름 난다

로봇이 사람의 시범을 본다는 말보다 필자의 눈에 더 들어온 것은 ‘현장’이라는 두 글자다. 로봇의 성패는 멋진 데모가 아니라 제품과 공정이 바뀌는 작업 현장에서 얼마나 빨리 새 일을 익히느냐로 갈린다. 리이매진 로보틱스가 작업자의 시범을 보고 배우는 현장 학습 기술을 공개한 일은 그래서 단순한 자동화 기능 추가가 아니다. 로봇 도입의 중심을 전문 프로그래머에서 현장 작업자로 옮길 가능성을 묻게 한다.

전통적인 산업용 로봇은 티칭 펜던트(동작 위치와 순서를 입력하는 전용 조작기)로 경로를 일일이 지정하고, 정해진 환경에서 같은 일을 반복하는 데 강했다. 그러나 다품종 소량생산처럼 작업물이 자주 바뀌는 현장에서는 매번 재설정해야 하고, 그 시간과 인력이 자동화의 문턱이 된다. 최근 로봇 분야가 모방학습(사람의 시범 데이터에서 행동 규칙을 익히는 방식)에 주목한 이유도 여기에 있다. 사람이 한 번 보여준 솜씨를 로봇이 새 작업의 출발점으로 삼는다면, 자동화하기에는 물량이 작았던 공정까지 후보가 될 수 있다.

다만 ‘따라 했다’와 ‘배웠다’는 같은 말이 아니다. 시범과 조금 다른 물체, 조명, 작업 순서가 나타났을 때도 제대로 대응해야 학습이라 부를 수 있다. 모방학습은 작은 판단 오차가 다음 동작의 더 큰 오차로 이어질 수 있고, 숙련자의 나쁜 습관까지 복제할 위험도 있다. 공개 기술을 평가하려면 성공 장면보다 실패를 감지해 멈추는 능력, 몇 번의 시범이 필요한지, 새 조건에서 성능이 얼마나 유지되는지, 작업자가 결과를 쉽게 수정할 수 있는지를 봐야 한다.

필자는 현장 학습 로봇의 경쟁력이 알고리즘 하나에서 끝나지 않는다고 본다. 카메라와 힘 센서의 데이터 품질, 사람과 함께 일할 때의 안전 검증, 작업 기록과 영업비밀의 보호, 교육받은 현장 인력까지 한 묶음으로 설계돼야 한다. 특히 기업은 작업자를 대체 대상이 아니라 교사이자 감독자로 세워야 한다. 어떤 시범이 표준인지 정하고, 오류를 되돌리고, 위험 동작을 승인하는 권한을 현장에 남겨야 기술도 신뢰를 얻는다.

이번 공개가 반가운 이유는 로봇을 더 영리하게 보이게 해서가 아니다. 자동화의 언어를 코드를 아는 소수에게서 공정을 아는 다수에게 돌려줄 수 있기 때문이다. 이제 필요한 것은 화려한 시연의 확대가 아니라 실제 생산 변동 속에서의 반복 검증과 실패 기준의 공개다. 로봇이 사람을 보고 배우는 시대라면, 산업은 먼저 사람의 지식과 책임을 어떻게 기술 안에 존중해 담을지 배워야 한다.