물류 피지컬 AI의 승부처는 로봇 수가 아니라 복구 능력이다

물류 자동화의 진짜 난제는 로봇 한 대를 영리하게 만드는 일이 아니라, 서로 다른 장비들이 돌발 상황에서도 한 몸처럼 움직이게 하는 데 있다. 그런 점에서 아바코가 AMR과 4웨이 셔틀을 묶은 피지컬 AI 물류 실증을 완료했다는 사실은 눈여겨볼 만하다. 필자는 이를 새로운 장비의 등장이 아니라 물류 시스템의 경쟁 기준이 바뀌고 있다는 신호로 본다.

개별 자동화에서 전체 흐름의 지능화로

AMR은 정해진 선만 따라가는 운반차와 달리 센서와 지도를 이용해 스스로 경로를 찾아 움직이는 자율이동로봇이다. 4웨이 셔틀은 보관 설비의 레일 위에서 앞뒤와 좌우 네 방향으로 이동하며 화물을 넣고 꺼내는 장비다. 전자는 창고 바닥의 이동을, 후자는 고밀도 보관 구역의 입출고를 맡는다. 두 장비를 연결한다는 것은 단순히 로봇 두 종류를 한 공간에 배치하는 일이 아니다. 어느 주문을 먼저 처리할지, 통로가 막혔을 때 어디로 우회할지, 셔틀의 작업 지연을 AMR이 어떻게 흡수할지를 하나의 판단 체계로 조율해야 한다.

여기서 말하는 피지컬 AI는 화면 속에서 답을 내놓는 인공지능을 넘어, 현실 공간을 감지하고 판단해 기계의 행동으로 이어지게 하는 기술이다. 최근 제조와 물류 분야가 이 개념에 주목하는 이유도 분명하다. 기존 자동화는 예측 가능한 반복 작업에는 강했지만 주문 변동, 설비 고장, 작업자 진입처럼 계획 밖의 상황에는 취약했다. 결국 생산성은 장비의 최고 속도보다 예외를 얼마나 빨리 발견하고 복구하느냐에 좌우된다.

실증 완료는 출발선이다

다만 이번 발표에서 확인되는 범위는 통합 실증을 완료했다는 사실까지다. 실제 경쟁력을 평가하려면 처리량뿐 아니라 장애 발생 뒤 정상화까지 걸리는 시간, 혼잡 상황의 경로 재계산, 수작업 전환 가능성, 안전 정지 이후의 재가동 절차를 함께 살펴야 한다. 잘 짜인 시험 환경에서 움직이는 것과 수요가 요동치는 실제 창고에서 장기간 버티는 것은 다른 문제다.

우리 산업이 준비해야 할 것도 장비 구매 목록이 아니다. 먼저 창고관리시스템과 장비제어시스템 사이의 데이터 형식을 표준화하고, 서로 다른 제조사의 로봇도 같은 운영 규칙 아래 연결할 수 있어야 한다. 현장 작업자의 판단을 학습 데이터와 운영 규칙에 반영하는 체계도 필요하다. 물류는 완전 무인화라는 구호보다 사람과 기계가 안전하게 역할을 넘겨받는 설계가 더 중요하기 때문이다.

아바코의 실증이 의미 있으려면 다음 단계에서 ‘움직였다’가 아니라 ‘흔들려도 회복했다’를 보여줘야 한다. 필자는 피지컬 AI 물류의 승자가 가장 많은 로봇을 공급한 기업이 아니라, 복잡한 현장을 오래 관찰하고 실패의 데이터를 운영 지능으로 바꾼 기업이 될 것이라고 본다.