TraviaTechPie Review

휴머노이드 회사들은 결국 손을 보여 줍니다.

시연 영상에서 가장 공들이는 장면이 손입니다. 손가락이 머그컵을 감싸고, 케이블을 끼우고, 기계를 보고 있다는 사실을 잠시 잊게 할 만큼 섬세한 동작을 합니다. 그리고 화면에 띄우는 숫자는 거의 항상 같은 종류입니다. 자유도. 22축, 25축. 관절이 이만큼 많다는 이야기입니다.

그 숫자의 문제는 분명합니다. 손이 무엇을 움직일 수 있는지는 알려 주지만, 손이 무엇을 느낄 수 있는지는 전혀 알려 주지 않습니다.

1X가 휴머노이드 NEO에 장착할 새 손을 공개했습니다. 이 손을 볼 가치가 있는 이유는 회사가 앞세운 숫자가 자유도가 아니기 때문입니다.

자유도가 아니라 기어비입니다

1X 공식 기술 소개에 따르면 이 손은 25 자유도입니다. 손가락과 손바닥에 완전 구동 22축, 손목에 3축이 더 붙습니다. 텐던(힘줄) 구동이고, 모터는 손 안이 아니라 전완에 들어갑니다. 여기까지는 인상적이지만 특이하지는 않습니다.

특이한 것은 동력 전달부입니다. 감속비가 약 5:1에서 15:1입니다.

이 숫자가 와닿지 않아도 괜찮습니다. 이 글 전체가 이 숫자에 관한 이야기이기 때문입니다.

감속기는 속도를 힘으로 바꿉니다. 작은 모터에 큰 감속비를 걸면 큰 힘이 나옵니다. 산업용 로봇 관절이 고감속 하모닉 드라이브를 쓰는 이유이고, 흔히 쓰이는 감속비는 100:1에서 200:1 사이입니다. 한 방향으로는 훌륭하게 작동합니다. 문제는 반대 방향입니다.

밖에서 그런 관절을 밀면, 그 힘은 기어열 전체를 거꾸로 밀고 나와야 합니다. 마찰은 방향을 가리지 않고 저항합니다. 고감속비 하모닉 드라이브의 역방향 효율은 대체로 30~50퍼센트 구간에 놓이고, 감속비와 윤활 조건에 따라 40퍼센트 아래로 떨어지기도 합니다. 정방향으로 돌릴 때보다 서너 배 큰 토크를 넣어야 겨우 역구동되는 경우도 있습니다.

여기서 나오는 결론은 잔인한데 잘 언급되지 않습니다. 감속기가 자기 내부 마찰을 이기는 데만 5 Nm를 쓴다면, 그 관절은 5 Nm 이하의 모든 접촉력에 대해 장님입니다. 부정확한 것이 아닙니다. 아예 못 느낍니다. 신호가 약해지는 것이 아니라 도달하지 않습니다.

두 번째 손실은 어쩌면 더 심각합니다. 반사 관성 — 바깥세상 입장에서 모터가 얼마나 무겁게 느껴지는가 — 은 기어비의 제곱에 비례합니다. 10:1에서 150:1로 가면 관절에서 느껴지는 관성이 15배가 아니라 225배가 됩니다. 그렇게 감속된 손가락은 더 이상 손가락이 아닙니다. 손가락 모양을 한 작은 프레스입니다.

이 두 가지가 합쳐지면 결과가 분명해집니다. 고감속 관절은 접촉을 감지하는 데 두 번 실패합니다. 작은 힘은 마찰에 묻혀서 못 느끼고, 느낀다 해도 관성 때문에 제때 물러나지 못합니다. 감지와 반응이 동시에 막히는 구조입니다.

여기서 한 가지 더 짚어 둘 것은 마찰 손실과 반사 관성이 감속비에 대해 같은 속도로 커지지 않는다는 점입니다. 마찰 손실은 대체로 완만하게 늘어나지만, 출력측에서 본 반사 관성은 감속비의 제곱을 타고 올라갑니다. 그래서 감속비를 두 배 올리면 손실이 두 배 늘어나는 것이 아니라, 어느 지점을 넘어서면 역구동 자체가 사실상 성립하지 않는 구간으로 넘어갑니다. 셀프 로킹이라고 부르는 상태입니다. 웜기어가 그 극단적인 예로, 정방향으로는 잘 돌지만 역방향으로는 아예 돌지 않습니다. 고감속 하모닉 드라이브는 그 정도까지 가지는 않지만 같은 방향의 성질을 갖습니다. 감속비를 높이는 선택은 힘과 감각 사이의 완만한 트레이드오프가 아니라, 어느 순간부터 한쪽을 통째로 버리는 선택에 가깝습니다.

그래서 업계는 오랫동안 우회로를 썼습니다. 손목이나 손가락에 별도의 힘·토크 센서를 붙이는 방식입니다. 다만 이 방식에는 구조적 한계가 있습니다. 센서는 자기가 붙어 있는 지점의 힘만 읽습니다. 센서 바깥쪽 링크의 질량과 마찰은 여전히 측정되지 않은 채로 남습니다. 그리고 센서가 힘을 읽어도 관절이 그 정보에 맞춰 부드럽게 물러나지 못하면, 아는 것과 하는 것 사이의 간극은 그대로입니다.

“센서를 달면 되지 않느냐”가 왜 해답이 아닌지는 여기서 분명해집니다. 문제는 감지가 아니라 응답입니다. 손끝에 아무리 좋은 센서를 붙여도, 그 신호를 받아 힘을 줄이라고 명령했을 때 관절이 그만큼 물러나 줘야 의미가 생깁니다. 반사 관성이 225배로 부풀어 있는 관절은 명령을 받고도 즉시 방향을 바꾸지 못합니다. 모터가 감속을 시작해도 기어열 전체를 세워야 하고, 그 사이에 접촉면에서는 이미 힘이 올라가 버립니다. 제어 주기를 아무리 빠르게 돌려도 기계적으로 못 따라가는 구간이 남습니다. 감각은 소프트웨어로 덧붙일 수 있지만, 응답 속도는 감속기의 물리가 정합니다.

유리컵이 깨진 뒤에야 아는 손

그런 손에 와인잔을 집으라고 하면 무슨 일이 벌어지는지 생각해 볼 만합니다.

손은 위치 명령을 실행합니다. “이 각도까지 닫아라.” 자기가 얼마나 세게 쥐고 있는지는 의미 있는 수준으로 알지 못합니다. 그 정보가 지나갈 유일한 통로가 마찰과 관성으로 막혀 있기 때문입니다. 잔이 미끄러졌다는 사실은 사람과 똑같은 방식으로, 소리가 나고 나서야 알게 됩니다.

1X가 선택한 교환이 바로 이 지점입니다. 그리고 이것이 교환이라는 점을 솔직하게 짚어야 합니다.

감속비를 한 자릿수와 낮은 두 자릿수까지 떨어뜨리면, 25개 관절 전부가 회사 표현대로 네이티브 힘 제어가 되고 완전히 백드라이버블해집니다. 밖에서 손가락을 밀면 그대로 밀려 준다는 뜻입니다. 힘은 물체 쪽으로 흘러 나가고, 접촉 정보는 정확히 같은 기계적 경로를 타고 되돌아옵니다. 나중에 덧붙인 로드셀도 필요 없고, 기어열과 싸우는 모터 전류에서 힘을 추정할 필요도 없습니다. 동력 전달부 자체가 센서입니다. 이것을 ‘힘의 투명성’이라고 부를 만합니다. 손과 세계가 서로를 느끼는 상태입니다.

‘네이티브’라는 말에 방점이 있습니다. 힘 제어를 소프트웨어로 흉내 내는 방법은 예전부터 있었습니다. 모터 전류를 읽어 토크를 추정하고 임피던스 제어(힘과 위치를 함께 다루는 제어)를 거는 방식입니다. 문제는 그 추정이 마찰 모델의 정확도에 통째로 의존한다는 점입니다. 마찰은 온도에 따라, 마모에 따라, 심지어 그날 관절이 얼마나 움직였는지에 따라 변합니다. 모델은 계속 어긋나고, 어긋난 만큼이 그대로 오차가 됩니다.

감속비가 낮으면 추정할 것이 별로 없습니다. 마찰 항이 작아서 모터에서 읽은 값이 손끝에서 벌어지는 일과 거의 그대로 대응합니다. 소프트웨어가 물리를 보정하는 것이 아니라, 물리가 이미 정직한 상태입니다.

공개된 수치가 오히려 정직합니다

공개된 수치들은 과장과 거리가 멉니다. 그 점이 오히려 이것이 공짜 점심이 아니라 진짜 선택이었음을 보여 줍니다.

IP68에 식품 접촉 안전 소재라는 조합은 1X가 이 로봇을 어디에 두려는지 말해 줍니다. 부엌 싱크대입니다.

손끝 45 N은 대략 5킬로그램 남짓의 집기 힘입니다. 머그컵, 접시, 장바구니에는 충분합니다. 무언가를 으스러뜨리기에는 명백히 부족하고, 그것이 의도입니다. 다만 이것은 동시에 천장이기도 하고, 실제로 걸리는 천장입니다. 투명성에 맞춰 튜닝한 손으로 꽉 잠긴 병뚜껑을 열 수는 없습니다. 1X 내부 어딘가에서 누군가는 그 능력이 유리컵이 미끄러지는 것을 아는 능력보다 덜 중요하다고 판단했습니다. 제 생각에는 맞는 판단이지만, 이것은 입증된 사실이 아니라 가설에 건 선택입니다.

전단력 센서가 혼자서는 아무것도 못 하는 이유

또 하나의 층은 촉각 스택입니다. 1X는 손끝 피부가 수직 항력, 접촉 위치, 그리고 전단력을 감지한다고 밝혔습니다. 흥미로운 것은 전단력입니다.

전단력은 옆으로 미끄러지는 힘이고, 파지가 무너지기 시작할 때 나타나는 물리적 신호입니다. 전단력을 충분히 일찍 잡아내면 로봇공학에서 ‘초기 미끄러짐’이라고 부르는 순간을 포착할 수 있습니다. 물체가 손을 떠난 뒤가 아니라 떠나기 전에 힘을 더 줄 수 있습니다.

그런데 여기에 의존 관계가 있습니다. 관절이 미세한 힘 조정으로 반응하지 못하면 전단력 감지는 거의 쓸모가 없습니다. 센서와 동력 전달부는 짝으로만 작동합니다. 훌륭한 촉각 피부를 150:1 감속기 위에 붙이면, 자기가 어떻게 실패하고 있는지 정확히 알면서 아무것도 못 하는 손이 됩니다.

부엌을 겨냥한 설계라는 신호

이 두 사양을 함께 넣었다는 점은 따로 볼 만합니다. 산업용 로봇 손에는 보통 필요 없는 사양입니다. 공장 셀 안에서는 물에 담글 일이 없고, 사람이 먹을 것에 닿을 일도 없습니다.

이 두 사양이 함께 가리키는 작업은 설거지입니다. 그릇을 물에 담그고, 세제를 묻히고, 음식물이 묻은 표면을 만지는 작업입니다. 그리고 설거지는 힘 제어가 특히 까다로운 일이기도 합니다. 젖은 그릇은 마찰계수가 급격히 떨어져서 미끄러지고, 그릇마다 견디는 힘이 다릅니다. 유리컵과 스테인리스 냄비를 같은 세기로 쥐면 하나는 깨집니다.

즉 방수 등급과 낮은 기어비는 서로 다른 사양이 아니라 같은 목표를 향한 두 가지 선택입니다. 젖은 손으로 미끄러운 것을 다루겠다는 이야기입니다. 사양표를 이렇게 읽으면 이 회사가 어떤 작업을 먼저 풀려는지가 드러납니다.

가정이 공장보다 어려운 이유

로봇 손이 이미 공장에서 잘 쓰이고 있는데 왜 가정용이 이렇게 어려운지는 짚고 갈 필요가 있습니다. 직관과 반대로 보이기 때문입니다.

산업용 그리퍼가 성립하는 이유는 문제가 미리 제거되어 있기 때문입니다. 공장 셀에서는 집을 물체가 정해져 있습니다. 같은 부품이 같은 무게로 같은 표면 상태로 옵니다. 지그와 컨베이어가 위치까지 알려 줍니다. 그러면 손은 아무것도 느낄 필요가 없습니다. 이 좌표로 가서 이만큼 닫으라는 명령을 반복하면 됩니다. 파지력도 최악의 경우에 맞춰 넉넉하게 잡아 두면 그만입니다. 어차피 대상이 그 부품 하나뿐이라 으스러질 걱정도 없습니다. 산업용 그리퍼가 손가락 두 개로 충분한 이유가 여기 있습니다. 자유도가 필요 없는 것이 아니라, 환경이 자유도를 대신 해결해 준 것입니다.

가정에는 그 전제가 하나도 없습니다. 싱크대에 쌓인 그릇은 매번 다른 조합이고, 형상도 무게도 제각각입니다. 유리컵과 플라스틱 용기와 무쇠 팬을 같은 손이 연달아 집어야 하는데, 견디는 힘의 범위가 수십 배 차이 납니다. 위치도 알려 주지 않습니다. 한 번 놓았던 자리에 그 컵이 다시 있으리라는 보장이 없습니다.

가장 성가신 변수는 마찰계수입니다. 물체를 떨어뜨리지 않으려면 필요한 쥐는 힘은 무게만이 아니라 표면 마찰에 달려 있는데, 이 값이 가정에서는 계속 변합니다. 마른 컵과 젖은 컵이 다르고, 세제 거품이 묻으면 또 다릅니다. 기름기가 묻은 접시는 완전히 다른 물건입니다. 사전에 계산할 수 있는 값이 아니라는 뜻입니다. 그래서 미끄러짐을 실시간으로 잡아내고 그 자리에서 힘을 올리는 것 말고는 방법이 없습니다. 앞서 본 전단력 감지와 백드라이버블 관절이 필요한 이유가 정확히 이 지점입니다.

이 조합을 같은 맥락에서 다시 보면 의미가 달라집니다. 단순히 튼튼하다는 표시가 아닙니다. 물에 담그고, 세제를 묻히고, 사람이 먹을 것에 닿는 작업을 하겠다는 선언입니다. 그리고 그 작업이 바로 마찰계수가 가장 심하게 흔들리는 작업입니다. 손이 젖어도 죽지 않는 것과 젖은 물체를 놓치지 않는 것은 다른 문제이고, 부엌에 들어가려면 둘 다 필요합니다. 이 회사는 두 가지를 한 손에 넣으려 하고 있습니다.

하드웨어가 데이터의 상한을 정합니다

여기서 이야기가 손 하나보다 커집니다. 제가 이 글을 쓰고 싶었던 진짜 이유이기도 합니다.

전에 로봇의 진짜 병목은 하드웨어가 아니라 데이터라고 썼습니다. 이 분야의 무게중심이 “누가 가장 좋은 몸을 만드는가”에서 “누가 가장 많은 경험을 모으는가”로 옮겨 갔다는 이야기였습니다. 지금도 그 판단은 유효하다고 봅니다.

다만 이 손은 제가 과소평가했던 것을 드러냅니다. 하드웨어가 데이터에 담길 수 있는 것의 상한을 정합니다.

휴머노이드 조작 데이터가 실제로 어떻게 만들어지는지 짚어 보면 분명해집니다. 사람이 로봇을 원격조종하고, 로봇은 그 과정을 기록하고, 그 기록이 학습용 시연 데이터가 됩니다. 이 과정을 백드라이버블하지 않은 손으로 돌린다면 무엇이 기록되는지 따져 볼 문제입니다.

관절 각도가 기록됩니다. 타임스탬프가 기록됩니다. 카메라 프레임이 기록됩니다. 그리고 기구적으로 측정 자체가 불가능했기 때문에 기록되지 않은 것이 있습니다. 손가락이 얼마나 세게 눌렀는지, 물체가 움직이는 동안 그 압력이 어떻게 변했는지입니다.

그런 데이터를 아무리 크게 쌓아 아무리 큰 모델을 학습시켜도 힘 제어는 배우지 못합니다. 모델이 작아서도 아니고 데이터가 짧아서도 아닙니다. 그 변수가 애초에 파일에 없기 때문입니다. 힘을 느끼지 못하는 하드웨어는 힘을 가르칠 수 없는 데이터를 만듭니다.

원격조종 쪽에서 보면 더 분명해집니다. 백드라이버블하지 않은 손으로 원격조종을 하는 사람은 손끝에서 아무 저항도 느끼지 못합니다. 화면만 보고 조종합니다. 그러면 그 사람이 만들어 내는 시연 자체가 힘 조절이 빠진 시연이 됩니다. 데이터에 힘 정보가 기록되지 않는 것을 넘어, 애초에 사람이 보여 준 동작에 힘 조절이라는 행위가 들어 있지 않습니다. 손이 힘을 되돌려 줘야 조종하는 사람도 힘을 쓸 줄 아는 시연을 만듭니다.

이 구분은 한 번 더 밀고 갈 가치가 있습니다. 백드라이버블 하드웨어는 데이터를 모으는 쪽과 그 데이터를 재생하는 쪽에서 서로 다른 일을 하기 때문입니다.

모으는 쪽부터 보면, 조종기가 조종자에게 힘을 되돌려 주지 않는 구조를 로봇공학에서는 단방향 제어라고 부릅니다. 목표 위치 값만 로봇 쪽으로 흘려보내는 방식입니다. 구현이 쉽고 천천히 움직이는 비접촉 작업에는 잘 맞습니다.

문제는 접촉이 많은 작업에서 드러납니다. 조종자는 로봇 손끝이 물체에 닿았는지조차 손으로는 알 수 없고, 화면에서 물체가 찌그러지는 것을 보고 나서야 압니다. 사람의 촉각 반사는 수십 밀리초 단위로 작동하는데, 눈으로 보고 판단해서 손을 되돌리는 경로는 그보다 한참 느립니다. 그래서 힘 피드백이 없는 조종은 늘 과하게 쥐거나 부족하게 쥐는 쪽으로 치우칩니다.

여기서 나오는 결론이 중요합니다. 이런 조종으로 얻은 시연은 힘 정보가 빠진 데이터가 아니라, 애초에 힘 조절이 서툰 사람의 데이터입니다. 나중에 손끝에 센서를 붙여 그 시연을 다시 기록한다 해도, 기록되는 것은 조종자가 잘못 준 힘의 궤적입니다. 라벨은 정확해지지만 가르치려는 행동 자체가 틀려 있습니다. 힘 피드백 유무가 시연 품질과 모방 학습 결과에 모두 영향을 준다는 것을 실험으로 확인한 연구가 같은 작업을 여러 조건으로 나눠 비교하는 이유가 이것입니다. 이 연구는 힘 피드백을 준 조건에서 얻은 시연으로 학습한 정책이 힘 데이터를 직접 입력받지 않고도 더 빠르고 안전하게 작동한다는 점도 함께 보고합니다. 데이터의 질은 기록 장치만이 아니라 조종 경험에도 달려 있습니다.

재생하는 쪽은 별개의 문제입니다. 학습이 끝난 정책이 “여기서 3 N으로 쥐어라”라는 출력을 내놓아도, 그 명령을 실행할 관절이 3 N을 만들어 내지 못하면 아무 소용이 없습니다. 고감속 관절은 내부 마찰이 그 값보다 크기 때문에 명령과 실제 출력 사이에 알 수 없는 오프셋이 생깁니다. 학습된 힘 정책을 실행할 수 없는 몸에 올려놓은 상태입니다.

그래서 백드라이버블 하드웨어는 양쪽에서 각각 필요합니다. 모으는 쪽에서는 조종자가 힘을 느끼게 해서 애초에 제대로 된 시연이 나오게 하고, 재생하는 쪽에서는 학습된 힘 명령이 실제 힘으로 나가게 합니다. 두 역할 중 하나라도 빠지면 전체가 무너집니다. 힘을 느끼는 하드웨어로 모은 데이터를 느끼지 못하는 로봇에 넣으면 실행이 안 되고, 반대로 좋은 손에 힘 조절이 빠진 데이터를 넣으면 배울 것이 없습니다.

이 차이는 나중에 메울 수 없다는 점이 중요합니다. 해상도가 낮은 영상은 나중에 다시 찍으면 됩니다. 라벨이 부실하면 다시 붙이면 됩니다. 그런데 측정되지 않은 접촉력은 복원 대상이 아닙니다. 그 순간에 센서가 없었다면 그 값은 어디에도 존재한 적이 없습니다.

이 관점은 수직 계열화 이야기의 의미도 바꿉니다. 1X는 모터, 전자부품, 내장 센서, 텐던 소재, 폴리머 스킨, 손 전용 펌웨어까지 사내에서 만든다고 밝혔습니다. 보통 “모터를 직접 만든다”는 말은 원가와 공급망 이야기로 읽히고, 실제로 일부는 그렇습니다.

그런데 동력 전달부와 스킨과 펌웨어를 통제하는 회사는 자기 데이터셋에 어떤 열이 존재할지를 통제합니다. 스펙 시트에는 절대 나타나지 않는 복리형 우위입니다. 그리고 이것은 LG가 몸은 만들고 뇌는 가져다 쓰기로 한 결정과 같은 구조의 논리인데 방향만 반대입니다. LG는 뇌가 범용재라는 쪽에 걸었습니다. 1X는 몸이 뇌가 배울 수 있는 것의 범위를 정한다는 쪽에 걸었습니다.

텐던도 전완 배치도 1X만의 것이 아닙니다

차별점은 헤드라인이 암시하는 것보다 좁습니다. 이 점을 정확히 해 둘 필요가 있습니다.

텐던 구동과 전완 모터 배치는 1X 독점이 아닙니다. 테슬라 옵티머스 V3 특허도 액추에이터를 전완으로 옮기고 케이블을 손목으로 통과시키는 텐던 구동 구조를 담고 있습니다. 손가락과 손바닥에 22 자유도, 손목에 2 자유도를 두는 구성으로, 손목이 3축인 1X와는 이 지점에서 갈립니다. 사람의 악력 근육이 실제로 전완에 있다는 당연한 이유 때문에, 업계 상당수가 전완 쪽으로 가고 있습니다.

그러니 텐던은 핵심이 아닙니다. 기어비가 핵심입니다. 좁은 주장이고, 좁은 주장이 대체로 참인 주장입니다.

여기서 한 가지 덧붙일 것이 있습니다. 텐던 구동이라고 해서 자동으로 백드라이버블해지지는 않습니다. 텐던은 힘을 전달하는 방식일 뿐입니다. 전완에 있는 모터에 고감속 기어박스를 물리면, 케이블로 연결했든 아니든 그 관절은 여전히 역구동이 어렵습니다. 케이블 자체의 마찰과 늘어남이 더해지면 오히려 나빠질 수도 있습니다. 백드라이버블 여부를 정하는 것은 전달 방식이 아니라 감속비입니다. 그래서 “텐던 구동 손”이라는 표현만으로는 두 손을 구분할 수 없습니다.

텐던이 실제로 청구하는 비용

텐던 구동에는 구조적으로 따라오는 비용이 있고, 스펙 시트에는 잘 적히지 않습니다.

가장 근본적인 제약은 텐던이 당기기만 할 뿐 밀지 못한다는 점입니다. 줄은 잡아당길 때만 힘을 전달합니다. 밀면 그냥 휘어집니다. 그래서 관절 하나를 양방향으로 움직이려면 방법이 둘뿐입니다. 굽히는 줄과 펴는 줄을 각각 달아 서로 반대로 당기게 하거나(길항 구조), 한쪽만 줄로 당기고 반대 방향은 복원 스프링에 맡기는 방식입니다.

둘 다 대가가 있습니다. 길항 구조는 관절 하나당 줄이 두 가닥, 사실상 액추에이터가 두 개 필요합니다. 22축을 전부 이렇게 구성하면 전완이 감당해야 할 부품 수가 급증합니다. 스프링 복원 방식은 부품 수를 절반으로 줄이지만, 펴는 방향의 힘이 스프링이 내주는 만큼으로 고정됩니다. 능동적으로 밀어내지 못한다는 뜻입니다. 그리고 스프링은 항상 당기고 있으므로, 관절을 굽힌 상태로 유지하는 동안 모터는 계속 스프링과 싸워야 합니다. 정지 상태에서도 전력을 씁니다.

두 번째 비용은 정밀도 쪽에서 나옵니다. 줄은 경로를 따라 도르래와 튜브를 지나가는데, 그 경로마다 마찰이 붙습니다. 모터가 10 mm를 감았을 때 손끝이 정확히 그만큼 움직인다는 보장이 없습니다. 마찰이 걸리면 줄이 국소적으로 늘어나면서 감은 만큼이 그대로 전달되지 않고, 방향을 바꿀 때는 히스테리시스(이력 오차)가 생깁니다. 굽힐 때와 펼 때 같은 모터 각도가 서로 다른 손끝 위치에 대응한다는 뜻입니다.

세 번째는 시간에 따른 변화입니다. 줄은 장력을 받은 상태로 오래 있으면 늘어납니다. 텐던 구동 로보틱스 문헌에서 공통적으로 지적되듯, 소재별로 이 크리프(장력을 받은 상태에서 서서히 늘어나는 성질) 특성이 크게 다릅니다. 폴리머 계열 줄은 가볍고 유연한 대신 크리프와 히스테리시스가 크고, 강선은 튼튼한 대신 굽힘 구간에서 손실이 쌓입니다. 어느 쪽이든 사용 시간이 쌓이면 기준점이 조금씩 밀립니다.

이 문제가 실제로 어떤 형태로 나타날지는 지켜볼 지점입니다. 기준점이 밀리면 정기적인 장력 재조정이나 재캘리브레이션이 필요해질 수 있습니다. 관절측에 별도 위치 센서를 두고 모터측 값과 대조해 보정하는 방법이 텐던 구동 손의 마찰을 다룬 DLR 연구 등에 제시되어 있고, 1X가 내장 센서를 직접 만든다고 밝힌 만큼 어떤 형태로든 대응책을 넣었을 가능성은 있습니다. 다만 NEO의 손이 이 문제를 어떤 방식으로 다루는지, 사용자가 주기적으로 관리해야 하는 항목이 있는지는 공개된 자료로는 확인되지 않습니다. 텐던 손을 볼 때 자유도보다 먼저 물어야 할 질문은 “1년 뒤에도 같은 정밀도가 나오는가”입니다.

사람 손과 비교하면 어디쯤인가

기준점을 하나 잡아 두면 이 숫자들을 읽기가 쉬워집니다.

사람 손의 자유도는 세는 방식에 따라 21축에서 27축 사이로 봅니다. 손목을 포함하는지, 엄지를 몇 축으로 모델링하는지에 따라 달라집니다. 25축이면 관절 개수만으로는 사람에 꽤 가까워진 셈입니다. 다만 사람 손에서 실제로 중요한 것은 관절 수가 아니라 제어의 질입니다. 사람은 달걀을 깨지 않고 쥐면서 동시에 병뚜껑을 열 수 있습니다. 같은 손으로 힘의 범위를 넓게 오갑니다.

로봇 손은 아직 그 범위를 한 번에 갖지 못합니다. 힘을 키우면 감속비가 올라가고 감각을 잃습니다. 감각을 살리면 힘의 천장이 낮아집니다. 1X는 후자를 골랐습니다. 사람 손을 흉내 내는 경쟁이라기보다는, 사람 손이 가진 두 가지 능력 중 어느 쪽을 먼저 확보할지 고르는 문제에 가깝습니다.

그래서 45 N이라는 숫자를 “사람보다 약하다”로만 읽으면 절반만 읽은 것입니다. 사람의 최대 악력에는 한참 못 미치지만, 사람이 일상에서 실제로 쓰는 힘의 대부분은 최대치 근처가 아닙니다. 컵을 들고 문고리를 돌리고 옷을 개는 데 필요한 힘은 그보다 훨씬 작습니다. 문제는 그 작은 힘을 정확히 조절하는 쪽이었고, 1X는 거기에 자원을 몰았습니다.

회의적으로 볼 지점들

찬물을 끼얹을 대목이 적지 않습니다.

낮은 기어비를 택하면 최대 파지력 하나만 포기하는 것이 아닙니다. 텐던은 늘어나고, 닳고, 끊어집니다. 그리고 뻣뻣한 기어 관절보다 훨씬 정교한 제어를 요구합니다. 손을 안전하게 만드는 그 유연함이 정밀한 명령을 어렵게 만들기도 합니다. 1X는 수백만 사이클 시험을 언급했지만, Embodied Global의 기술 분석이 지적하듯 평균 고장 간격, 접촉 수명, 현장 수리 비용을 검증하는 제3자 데이터는 공개되지 않았습니다. 통제된 하중에서 돌린 실험실 사이클과 실제 부엌에서의 1년은 다른 시험입니다.

모터를 전완으로 옮긴 것은 공간 문제를 풀면서 질량 문제를 만듭니다. 그쪽으로 옮긴 액추에이터 하나하나가 긴 지렛대 끝에서 휘둘리는 부위의 무게와 관성을 늘립니다. 손가락이 가벼워지고 팔이 무거워집니다. 휴머노이드에 공짜 공간은 없습니다. 문제를 옮기는 것이지 없애는 것이 아닙니다.

연 1만 개라는 숫자는 회사가 밝힌 내부 생산 능력이지 실증된 생산 실적이 아닙니다. 제조 능력 발표는 후공정이 전부 협조한다는 가정 아래 이론적으로 그만큼 돌 수 있는 라인을 묘사해 온 긴 역사가 있습니다.

수직 계열화도 양면입니다. 데이터 관점에서는 강점이지만, 제조 관점에서는 모든 공정의 수율을 혼자 책임진다는 뜻입니다. 폴리머 스킨 하나가 안 나오면 손 전체가 멈춥니다. 부품을 사 오는 회사는 공급처를 바꾸면 되지만, 직접 만드는 회사는 스스로 고쳐야 합니다. 손 하나에 25축이 들어가고 그 안에 촉각 센서와 텐던과 스킨이 겹겹이 쌓여 있다는 점을 생각하면, 조립 난도와 불량률은 일반적인 로봇 부품보다 높은 쪽에 가깝습니다.

정밀도 수치도 맥락을 봐야 합니다. ±0.2 mm는 위치 정밀도이고, 무부하에 가까운 조건에서 재는 값입니다. 유연한 관절은 하중이 걸리면 그만큼 휩니다. 힘의 투명성을 얻기 위해 설계에 넣은 그 유연함이, 무거운 것을 들 때는 위치 오차로 나타납니다. 두 수치는 같은 조건에서 동시에 성립하는 값이 아닐 가능성이 큽니다. 이 부분은 공개된 자료로는 확인되지 않습니다.

그리고 가장 큰 경고 사항은 손에 관한 것이 아닙니다. NEO는 일시불 2만 달러 또는 월 499달러의 얼리 액세스 단계에 있고, TNW 보도를 비롯한 여러 매체는 익숙하지 않은 작업이 여전히 원격조종 ‘엑스퍼트 모드’를 거친다고 전합니다. 원격의 사람이 개입한다는 뜻입니다.

접촉을 느끼는 손이 장기 자율성을 주지는 않습니다. 실패 복구도 주지 않습니다. 시연과 제품을 실제로 가르는 능력이 바로 이것입니다. 파지에 실패했음을 알고, 왜 실패했는지 파악하고, 시키지 않아도 다른 방법을 시도하는 능력입니다. 이것은 소프트웨어 문제이고, 더 좋은 하드웨어로 출발선이 조금 앞으로 당겨질 뿐입니다.

이미 나온 가정용 로봇은 전부 손이 없습니다

한국 독자 입장에서 이 이야기를 가장 빠르게 체감하는 방법이 있습니다. 이미 상용화된 로봇들을 떠올려 보는 것입니다.

로봇청소기는 여러 가정에 보급되어 있습니다. 식당용 서빙 로봇도 상용화 단계에 들어섰습니다. 건물 안에서 물건을 옮기는 배송 로봇, 물류창고의 이송 로봇도 실제로 돌아갑니다. 이들의 공통점이 있습니다. 전부 다관절 손이 없습니다. 있어도 쟁반을 얹어 두는 선반이거나, 정해진 규격의 상자를 밀어 넣는 단순한 기구입니다. 물류 자동화 쪽에는 물건을 집어 옮기는 로봇 팔이 들어가 있지만, 그 손은 규격이 알려진 물체를 정해진 방식으로 집는 그리퍼에 가깝습니다.

우연이 아닙니다. 이동은 상당 부분 풀린 문제이고 조작은 아직 풀리지 않은 문제이기 때문입니다. 이동은 잘 정의된 문제입니다. 지도를 만들고, 자기 위치를 알아내고, 장애물을 피해 경로를 짭니다. 센서는 카메라와 라이다면 대체로 충분하고, 바닥은 평평하며, 실패해도 대개는 멈추면 됩니다. 조작은 그렇지 않습니다. 물체마다 조건이 다르고, 성공과 실패가 접촉면에서 밀리미터와 뉴턴 단위로 갈리며, 실패하면 물건이 깨집니다.

이것은 모라벡의 역설이라고 불려 온 오래된 관찰과 같은 이야기입니다. 사람에게 어려운 일이 기계에는 쉽고, 사람이 생각 없이 해내는 일이 기계에는 어렵다는 관찰입니다. 어른의 계산 능력은 진작 넘어섰지만, 어질러진 식탁에서 처음 보는 물건을 집어 드는 일은 아직입니다. 그 일을 걸음마를 뗀 아이는 아무 생각 없이 해냅니다.

그래서 국내에서 논의되는 돌봄 로봇이나 가사 지원 로봇이 대체로 이동·말벗·모니터링 기능부터 나오는 것도 같은 맥락입니다. 손이 필요 없는 기능부터 상용화되고 있습니다. 반대로 설거지, 빨래 개기, 침대 정리처럼 실제로 사람의 시간을 많이 잡아먹는 집안일은 전부 손이 필요한 일이라 아직 남아 있습니다. 고령화 속도가 빠른 사회에서 정말 필요한 것은 말벗보다 손 쪽에 가깝습니다.

이 관점에서 보면 NEO의 손이 왜 주목받는지가 또렷해집니다. 손이 잘 되는지가 가정용 로봇이 청소기 다음 단계로 갈 수 있는지를 가릅니다. 그리고 그 손을 가르는 숫자가 자유도가 아니라 기어비라는 것이 이 글의 요지입니다.

살 수 있는 물건인가

기대치를 먼저 짚어 두는 것이 좋습니다.

NEO는 공개 시점 기준으로 얼리 액세스 단계입니다. 일시불 2만 달러 또는 월 499달러 구독으로 제시되었고, 예약에는 보증금이 붙습니다. 초기 인도는 미국 시장이 먼저이고, 다른 시장으로의 확대는 그다음 단계로 예고되어 있습니다. 국내 정식 유통 계획이나 가격, 전파·전기 인증 절차에 대해서는 공개된 자료로는 확인되지 않습니다. 지금 한국에서 주문해 받을 수 있는 물건이 아니라고 보는 편이 안전합니다.

그리고 영상을 볼 때 반드시 구분해야 할 것이 하나 있습니다. 로봇이 하는 동작에는 두 종류가 있습니다. 스스로 판단해서 하는 자율 동작과, 원격의 사람이 조종해서 하는 동작입니다. 1X는 이 원격조종을 숨기지 않고 제품 설계의 일부로 밝혔습니다. 익숙하지 않은 작업은 사람이 붙어서 대신 해 주고, 그 과정이 학습 데이터가 됩니다. 문을 열어 주거나 물건을 가져오거나 불을 끄는 정도의 기본 동작은 처음부터 자율로 제시되지만, 새로운 집안일은 아직 사람의 손을 거칩니다.

그래서 시연 영상에서 손이 유려하게 움직이는 장면을 봤다면, 먼저 물어야 할 질문은 “저게 자율인가”입니다. 이 구분 없이 보면 실제보다 몇 년쯤 앞선 능력으로 오해하기 쉽습니다. 덧붙여 원격조종에는 사생활 문제가 따라옵니다. 원격 조종자가 로봇의 카메라를 통해 집 안을 본다는 뜻이고, 구매자는 이 조건에 동의해야 합니다. 성능 이전에 각자 판단할 문제입니다.

그럼에도 이 손이 만드는 것

그래서 어느 해든 가장 흥미로운 로봇은 대체로 가장 인상적인 로봇이 아닙니다. Physical AI에서 조용히 이기고 있는 기계는 병원 복도의 바퀴 달린 캐비닛이라고 썼고, 그 판단은 지금도 유효합니다. 지루하고, 좁고, 실제로 배치되어 있습니다. NEO의 손이 유용성에서 그 캐비닛을 이기려면 한참 걸립니다.

다만 이 손은 캐비닛이 못 하는 일을 하고 있고, 그것이 무엇인지 정확히 말할 가치가 있습니다.

업계 하드웨어 대부분이 물리적으로 포착하지 못하는 종류의 데이터를 만들어 내고 있습니다. 손재주가 정말 스케일링 법칙을 따른다면, 이 시기에 힘 정보가 주석된 시연 데이터를 모은 회사들은 나중에 아무도 소급해서 복원할 수 없는 데이터셋을 쥐게 됩니다. 영상은 언제든 더 찍을 수 있습니다. 하지만 그 자리에 센서가 없어서 기록되지 않은 접촉력을 나중에 돌아가서 측정할 방법은 없습니다.

자유도 경쟁은 처음부터 다소 허영에 가까운 지표였습니다. 관절을 세는 일은 쉽고 사진도 잘 나옵니다. 손이 만지는 것을 느낄 수 있는지는 슬라이드에 담기 어렵습니다. 그리고 그 숫자에 따라 나머지 관절들이 의미를 갖기도 하고 갖지 못하기도 합니다.

※ 정보 제공 목적이며 투자 권유가 아닙니다.

원문 출처 / Source: https://www.1x.tech/discover/neos-hands

이미지: Franck V. / Unsplash