달 탐사 계획 해커톤 우승 팀과의 대화: 5세대 본체 오픈소스, 자체 진화, 그리고 매장 검증을 기다리는 로드맵
원문 제목: 《달 탐사 프로젝트 해커톤 우승팀 인터뷰: 5세대 본체 오픈소스, 자체 진화 및 매장 검증 대기 중인 로드맵》
원문 저자: 동찰 Beating
1961년, Unimate가 미국 제너럴 모터스의 조립 라인에 투입되었습니다. 더 이른 구상에서는 작업자가 먼저 기계식 그리퍼를 들고 동작을 따라 하면, 기계가 위치를 기록한 후 그대로 수행하는 방식이었습니다. 산업용 로봇이 가장 먼저 배운 것은 세상을 해석하는 것이 아니라, 하나의 동작을 충분히 신뢰할 수 있을 정도로 반복하는 것이었습니다.
60여 년 후, 달 탐사 프로젝트의 임베디드 인텔리전스 해커톤 현장에서 LoopMaster 팀은 이 개념을 소매점으로 옮기려 했습니다. 전방향 바퀴 섀시, 승강 기구, 이중 로봇 팔 및 전면 트레이로 구성된 로봇을, 그들은 선반과 고객 사이를 이동하는 '판매 로봇'으로 상상했습니다. 점장이나 직원이 먼저 원격 조작, 음성 명령 및 소량의 시범 교육을 통해 로봇이 진열대, 선반 및 물품 인출 경로를 인식하도록 합니다. 그런 다음 로봇이 물건을 집고, 전달하고, 보충하며, 각 상호작용을 기록으로 남깁니다.
이 로봇은 아직 실제 매장에서 장기간 운영된 적이 없으며, 팀은 해커톤 현장에서만 테스트를 진행해 수백 건의 기록을 남겼습니다. 2년 내 투자 회수, 판매 비용 40% 절감, 선 배포 후 데이터 수집 및 엔드투엔드 모델 반복 등은 여전히 팀이 추진 중인 경로일 뿐입니다. 이는 실제 매장의 회계 장부와는 아직 거리가 있습니다.
하지만 이 팀에게는 드물게 보이는 솔직함이 있습니다. 그들은 Agent Loop에 대해 이야기하면서도, 아직 보호막(모트)이 명확하지 않다는 점을 인정합니다. 기계가 인간을 완전히 대체하는 상상을 하면서도, 인간 간의 동반자 관계, 따뜻함, 예외 처리 능력은 당분간 기계에 맡길 수 없다는 점도 인정합니다.
팀이 로드쇼 발표 현장에서
이미 온라인에서 알고 지내던 사람들이 처음으로 오프라인에서 만나 아이디어를 교류하다
LoopMaster의 네 명의 핵심 멤버 중 한 명은 Bilibili에서 임베디드 인텔리전스 콘텐츠를 제작하고, 다른 한 명은 로봇 및 인간-로봇 상호작용 분야의 박사 과정을 밟고 있으며, 또 다른 한 명은 자동차 회사의 제품 디자인에서 독립 디자이너로 전향했습니다.
그들은 지난 2년간의 온라인 협업이 이들을 하나로 모았다고 말합니다. 알고리즘, 본체, 데이터, 저비용 로봇 팔, 제품 외관 등 각자 다른 진입점에서 시작했지만, 이후 서로가 어떤 공백을 채울 수 있는지 점차 깨닫게 되었습니다. 그들 중 일부는 해커톤 현장에서 처음 만났지만, 팀이 그렇게 짧은 시간 동안만 알게 된 것은 아닙니다.
동찰 Beating: 먼저 자신과 현재 하고 있는 일에 대해 소개해 주세요.
셰쥔: 저는 셰쥔입니다. 현재 둥베이 대학에서 석사 2학년 과정을 밟고 있으며, Bilibili에서도 임베디드 인텔리전스 관련 콘텐츠를 제작하고 있습니다. 현재는 주로 LoopMaster의 스타트업 인큐베이션에 참여하고 있습니다.
쩌우옌원: 저는 쩌우옌원입니다. 현재 상하이 자오퉁 대학과 Chuangzhi Lianpei의 박사 과정 학생입니다. 주로 임베디드 조작 및 임베디드 인텔리전스를 위한 인간-로봇 상호작용을 연구하고 있습니다.
리펑둥: 저는 리펑둥입니다. 타이위안 과학기술 대학에서 석사 2학년 과정을 밟고 있으며, Bilibili에서도 임베디드 관련 콘텐츠를 제작하고 있습니다. 2024년 말, 저는 ALOHA를 비교적 일찍 재현하고 그 과정을 오픈소스 튜토리얼로 만든 사람 중 한 명입니다. 이후 여러 대의 로봇을 제작했으며, 마지막으로 양팔 승강 로봇을 만들어 최대한 완전한 오픈소스 형태로 제공하여 예산이 제한된 학생들도 재현할 수 있도록 노력했습니다.
쉬신하오: 저는 팀의 디자이너입니다. 이전에는 한 자동차 회사에서 제품 디자인을 하다가, 이후 샤오홍슈와 자신의 브랜드를 시작하며 디자인 서비스도 병행했습니다. 현재는 독립 디자이너로 활동하고 있습니다.
동차 Beating: 여러분은 이번 해커톤 때문에 팀을 꾸린 건가요? 지금은 함께 본격적으로 창업할 준비가 된 상태인가요, 아니면 여전히 각자의 일을 병행하고 있나요?
셰쥔: 우리는 이번 해커톤보다 훨씬 이전인 약 2년 전부터 알고 지냈습니다. 초기에는 많은 온라인 협업이 있었고, 모두 임베디드 인텔리전스 관련 일을 하고 있었습니다. 제가 처음 Bilibili에 영상을 올리기 시작했을 때 펑둥을 알게 되었고, 신하오의 디자인도 계속 주목해 왔습니다. 옌원은 미국에서 공부할 때도 관련 콘텐츠를 만들고 있었습니다.
우리 모두가 일찍이 오프라인에서 만난 것은 아닙니다. 어떤 사람들은 해커톤 현장에서 처음 만났지만, 이 팀은 임시로 구성된 팀이 아닙니다. 그동안 우리는 계속 알고리즘, 본체 설계 및 데이터에 대해 논의하고, DIY 키트와 초기 제품을 만들어 판매하기도 했습니다. 간단한 대외 업무를 처리하기 위해 몇 개의 소규모 회사도 설립했습니다.
이전 상태는 게이커의 실험실이나 작업실에 가까웠으며, 완전한 스타트업이라고 하기에는 어려웠습니다. 현재 저, 펑둥, 신하오는 계속해서 탐월과 협력하여 프로젝트를 실제로 실현 가능한 방향으로 추진할 계획입니다. 옌원은 아직 학업 중이라 당분간 풀타임으로 이 일에 참여하지는 않을 것입니다.
동차 Beating: 해커톤 이전에 이미 약 2년간의 연구 개발과 일부 상업화 시도가 있었습니다. 이 기간 동안 어떻게 협력 관계를 다져왔나요?
셰쥔: 초기에 알게 되었을 때는 모두 갓 입학했거나 석사 과정을 시작한 학생들이었습니다. 처음에는 임베디드 인텔리전스 애호가들이 모여 알고리즘, 본체 설계 및 데이터 처리 방법에 대해 논의했습니다. 이후 DIY 키트를 만들고, 초기 제품을 판매하면서 점차 대외 업무와 소규모 회사 형태를 갖추게 되었습니다.
그래서 해커톤 전까지 우리는 완전한 창업팀이라기보다는, 계속해서 무언가를 만들고 온라인에서 만나는 사람들에 가까웠습니다. 대회는 그저 이 모든 축적이 처음으로 한자리에 모인 순간이었을 뿐입니다.
팀원 수상 기념 사진
동찰 Beating: LoopMaster가 달 탐사 계획의 임베디드 인텔리전스 해커톤에서 1위를 차지한 이유는 무엇인가요? 이 48시간은 무엇을 시험한 것일까요?
셰쥔: 우선 지난 2~3년간 임베디드 인텔리전스 분야에서 쌓아온 경험 덕분입니다. 로봇의 본체, 제어, 알고리즘, 데이터는 대회가 시작되면서 생긴 것이 아닙니다. LoopMaster의 로봇 형태와 리테일 시나리오는 현장에서 제안하고 구현했지만, 짧은 시간 안에 완성할 수 있었던 것은 오랜 기간의 인지와 기술 축적 덕분입니다.
대회 현장에서 우리는 본체, 임베디드 인텔리전스의 인지, 로봇 제어 경험, 알고리즘 접근 방식을 하나로 모아 이번 충돌과 폭발을 만들어냈습니다.
쩌우옌원: 해커톤은 전방위적으로 시험합니다. 팀 내부에 명확한 분업이 있어야 하고, 각자가 하는 일도 탄탄해야 합니다. 기술적으로는 짧은 시간 안에 머릿속에만 있던 시스템을 구축해야 합니다. 잠은 적고 강도는 높아지면서 사람은 독특한 작업 상태에 빠지게 됩니다. 이것이 많은 사람들이 해커톤을 좋아하는 이유이기도 합니다.
기술만 중요한 게 아닙니다. 결국 결과물을 제품으로 포장해 상업적이고 실용적인 데모를 만들어야 합니다. 프레젠테이션 효과를 판단할 줄 알아야 하고, 48시간 안에 각 시간대별로 무엇을 완료해야 하는지 감각이 있어야 합니다. 이번에는 분업, 프로젝트 리듬, 최종 피칭에서 꽤 잘 맞아떨어졌습니다.
동찰 Beating: 하드웨어 해커톤과 소프트웨어 해커톤의 가장 큰 차이점은 무엇인가요?
쩌우옌원: 소프트웨어 해커톤에서는 많은 사람들이 컴퓨터 환경만 설정하면 바로 작업을 시작할 수 있고, 하는 일은 대부분 최종 결과물을 향해 나아갑니다. 하드웨어는 다릅니다. 현장에서는 프로젝트 자체와는 무관하지만 해결하지 않으면 진행할 수 없는 예상치 못한 일들이 많이 발생합니다.
첫날, 우리는 네트워크 연결 문제를 겪었고, 이를 해결하는 데 많은 시간을 썼습니다. 누군가는 보드를 태워버려 임시로 새 보드로 교체해야 할 수도 있고, 현장의 로봇 팔이나 로봇 플랫폼이 고장 날 수도 있습니다. 우리 플랫폼도 마찬가지였습니다. 실제 하드웨어를 다루다 보면 예상치 못한 문제에 끊임없이 부딪힙니다. 이런 문제들은 프로젝트가 해결하려는 문제와 직접적인 관련이 없을 수도 있지만, 가장 소중한 시간을 잡아먹습니다.
5세대 로봇과 삭제된 허리 관절
경기 현장의 LoopMaster는 48시간 만에 갑자기 만들어진 로봇이 아니다. 리펑동은 이 같은 본체를 만든 지 2년이 넘었으며, 최신 버전은 5세대라고 말했다. 이전 세대 로봇들은 여러 문제에 직면했다. 서보 모터의 부하, 정밀도, 백래시와 수명, 당겨진 와이어 번들, 기능 추가 후 갑자기 발생하는 고장 등이 모두 겉보기에는 민첩해 보이는 로봇을 제자리에 멈추게 할 수 있었다.
가장 흥미로운 결정 중 하나는 처음에 로봇에 '허리'를 만들었다가 5세대에서 허리 관절을 제거한 것이다. 허리 관절은 데스크 작업 공간을 넓혀 로봇이 더 멀리 뻗을 수 있게 해준다. 하지만 그들은 제품을 더 단순하고, 안정적이며, 재현하기 쉽게 만들고자 했고, 결국 기계 구조상의 후퇴를 받아들였다.
동찰 Beating: 오늘 한 매장이 주문한다면, 무엇을 받게 될까요? 로봇은 매장에서 무엇을 할 수 있을까요?
셰쥔: 우리가 구상하는 제품은 전방향 휠 섀시에 리프트 장치, 이중 로봇 팔, 전면 트레이를 갖춘 로봇이다. 매장에서 구매한 후 비교적 간단한 원격 조작이나 자연어 명령을 통해 로봇이 매장 내 창고, 선반, 물품 위치를 익히도록 할 수 있다.
소매 환경에서 이 로봇은 주로 사용자 주문 후 물건을 집어서 전달하거나, 재고를 보충하고 상품을 선반에 올리는 등의 작업을 수행한다. 전면 트레이에는 미리 일부 상품을 보관할 수 있으며, 로봇은 물건을 집고 전달하는 과정에서 이를 중간 저장소로 사용할 수도 있다.
2년 동안 다섯 버전으로 진화한 로봇 (오른쪽에서 왼쪽으로)
동찰 Beating: 현재 실제 매장이나 시뮬레이션 매장에서 테스트 운영을 해본 적이 있나요?
셰쥔: 아직이다. 우리는 경기 현장에서 테스트를 진행했으며, 수백 건의 주문 기록을 남겼다.
이번 해커톤의 주제는 48시간 동안 처음부터 무언가를 만드는 것이었다. 우리는 기존의 바퀴 달린 이중 팔 섀시를 기반으로 현장에서 소매 시나리오, 적용 방식 및 알고리즘 프레임워크를 구상했다. 따라서 사용자가 어떻게 사용할지, 제품이 어떻게 실현될지는 아직 매우 초기 단계다.
동찰 Beating: 앞으로 어떤 지표로 이것이 기대에 부합하는지 판단할 예정인가요?
셰쥔: 단계적으로 나눠야 한다. 먼저 본체를 안정화하는 것인데, 여기에는 모터, 와이어 번들 및 전체 기계 기능이 포함된다. 그다음 Agent 제어 프레임워크를 안정적으로 작동시키는 것이다. 더 나아가서는 자체 진화 학습 문제가 있다. 각 부분이 안정화된 후에야 본격적인 상업화를 논의할 것이다.
동찰 Beating: 이 5세대 본체는 구체적으로 어떻게 진화해 왔나요? 초기 아이디어부터 오늘날까지 제품에 대한 이해에 어떤 변화가 있었나요?
리펑동: 처음 4세대는 주로 서보 모터, 즉 서보를 사용했습니다. 제어가 비교적 민감하고 구동 및 구조도 상대적으로 간단했지만, 부하 용량이 제한적이었습니다.
이후 3륜 전방향 섀시에 리프트 컬럼과 양팔을 추가한 버전을 만들었습니다. 완성 후 확인해 보니, 책상 위에서의 작업 범위가 매우 작아 대략 컴퓨터 한 대 크기 정도였고, 조금만 멀어져도 닿지 않았습니다. 그래서 허리 부분을 추가한 버전을 만들어 책상 위 작업 공간을 더 넓혔습니다.
그다음에는 원래 3D 프린팅 부품에 크게 의존하던 구조를 판금 부품으로 메인 아키텍처를 변경하여 안정성을 높였습니다. 하지만 기능이 많아질수록 문제도 많아졌습니다. 예를 들어, 와이어 하네스가 살짝 걸리기만 해도 전체 기계가 작업을 중단할 수 있었고, 본체가 더 무거워지면 부하 용량이 다시 작아졌습니다. 5세대에서는 최종적으로 관절 모터 모듈로 전환하고, 더 많은 금속 부품을 사용하며 구조도 더 간단해졌습니다. 하중을 견뎌야 하는 부분은 강화하고, 불필요한 부분은 제거하여 성능, 비용, 양산성 및 재현성 사이의 균형을 찾고자 했습니다.
셰쥔: 저희는 2023년 말부터 서보를 사용하여 저비용, 고효율의 임베디드 지능형 시스템을 만들기 시작했습니다. 실제로 사용해 보니, 서보는 안정성, 백래시, 정밀도 및 수명에 한계가 있었습니다. 관절 모터 모듈로 전환한 후, 종합적으로 비용과 안정성 모두 크게 개선되었습니다.
동찰 Beating: 진화 과정에서 특히 유지하고 싶었지만 결국 제거해야 했던 기능이 있나요?
리펑동: 허리 관절이 가장 직접적인 예입니다. 4세대에는 허리가 있었고, 5세대에서도 원래 유지하려 했지만 구조를 더 간단하게 만들기 위해 결국 제거했습니다. 기계 구조적으로 한 걸음 물러난 것처럼 보일 수 있지만, 실제로는 신뢰성을 더 우선시한 것입니다.
동찰 Beating: 이 기계를 왜 완전히 오픈소스로 만들었나요? 현재 비용과 판매 가격은 어느 정도인가요?
리펑동: 본체는 완전히 오픈소스이며, 누구나 BOM(부품 목록)을 볼 수 있습니다. 저희의 초기 계산에 따르면, 사용자가 일부 부품을 직접 가공하고 표준 부품을 조달한 후 조립 및 디버깅을 완료할 경우 비용은 약 3만 위안(CNY)입니다.
사용자가 반제품을 원하거나 이미 디버깅이 완료된 로봇을 직접 받고 싶다면, 완전 오픈소스이기 때문에 가격은 5만 위안 이내, 약 4만 위안대가 될 것으로 예상합니다. 이 가격은 우선 본체 및 연구·개발 용도에 대한 가격입니다. 저희는 예산이 제한된 커뮤니티의 학생과 개발자들도 본체 가격이 너무 비싸서 참여하지 못하는 일이 없도록 하고자 합니다.
동찰 Beating: 고객이 기계 한 대를 구매한 후, 구독 서비스나 기타 숨은 비용이 발생하나요?
리펑동: 현재 저희는 서비스 구독을 명확한 비즈니스 모델로 삼고 있지 않습니다. 이번에 48시간 만에 만든 무인 판매 로봇은 우선 데모(Demo)에 불과합니다.
향후 실제로 무인 마트나 구체적인 소매 환경에 진입하게 된다면, 해당 시나리오에 맞춰 과금 방식을 설계할 것입니다. 아직 그렇게 먼 미래까지 고려하지는 않았습니다.
동찰 Beating: 오픈소스가 이번 수상에 유리한 요소가 된 이유는 무엇인가요?
셰쥔: 이것이 저희가 수상한 중요한 이유 중 하나일 수도 있습니다. 완전히 오픈소스화되면 기본 라이브러리, 코드, 기본 드라이버가 모두 공개되어 에이전트(Agent)가 이 콘텐츠에 접근할 수 있고, 개발이 더 원활해집니다. 이는 하드웨어 개발을 어느 정도 순수 소프트웨어 개발에 더 가깝게 만들어, 기본 계층을 읽고 호출할 수 있게 하여 현장 반복 작업의 장애를 줄여줍니다.
오픈소스는 저희에게 기술적 선택일 뿐만 아니라, 더 많은 학생, 종사자, 그리고 다른 업계 사람들이 비교적 낮은 비용으로 구현형 지능(具身智能)에 참여할 수 있기를 바라는 의미도 있습니다.
소량 시범, 소량 훈련이 아니다
LoopMaster는 인터뷰에서 '소량 시범'을 반복해서 언급했습니다. 일반적인 소량 시범은 사람의 작업 궤적을 감독 데이터로 삼아 모방 학습이나 시각-언어-행동 모델에 넣어 훈련한 후, 최종적으로 모델이 추론하는 방식입니다. 팀이 현재 말하는 소량 시범은 이와는 조금 다릅니다.
그들이 처리해야 할 것은 비교적 구조화된 매장 공간입니다. 진열대의 위치는 상대적으로 고정되어 있고, 한 줄의 상품을 집는 동작은 유사성을 가집니다. 먼저 로봇에 하나의 궤적을 녹화하고, 섀시(底盘) 위치를 바꾸면 로봇 팔이 유사한 동작을 재사용할 수 있습니다. 먼저 유사한 작업을 스킬로 캡슐화하여 에이전트(Agent)가 스케줄링하도록 넘깁니다.
이 경로의 논리도 이해하기 쉽습니다. 배포가 없으면 실제 데이터도 없고, 실제 데이터가 없으면 엔드투엔드 모델의 후속 훈련도 불가능합니다. 먼저 똑똑하지는 않지만 작동할 수 있는 시스템을 현장에 투입한 후, 데이터가 천천히 쌓이도록 하는 것입니다.
사이버 세일즈맨, 보충 데모(Demo)
동찰 Beating: 여러분이 말하는 '소량 시범'은 구현형 지능에서 흔히 사용되는 소량 시범과 어떻게 다른가요?
쩌우옌원: 저희가 말하는 소량 시범은 학습 기반의 소량 시범과는 다른 개념입니다. 전통적인 모방 학습에서는 사람이 소량의 전문가 궤적을 감독 신호로 삼아 ACT나 VLA 같은 네트워크에 넣어 훈련시키고, 최종적으로 신경망을 얻은 후 이를 사용해 추론합니다.
현재 우리는 궤적을 기록하고 있지만, 이 궤적을 직접 훈련에 사용하지는 않습니다. 예를 들어, 슈퍼마켓의 진열대는 비교적 구조화되어 있습니다. 한 줄의 진열대에 하나의 시범 궤적이 있으면, 이 줄의 첫 번째 물건을 집을 때 로봇은 이 위치에서 움직입니다. 두 번째 물건을 집을 때는 섀시가 약간 이동하지만, 로봇 팔은 여전히 유사한 궤적을 따라 동작을 완료할 수 있습니다.
우리는 당분간 연속 공간에서의 일반화를 추구하지 않고, 이산 공간에서 상대적으로 고정된 위치를 구조화된 프로그램으로 구성한 후, 유사한 동작을 스킬로 캡슐화하여 Agent가 이를 스케줄링하도록 합니다.
동찰 Beating: 이렇게 하면 다양한 종류의 오프라인 매장에 적응하기 어려워지지 않을까요?
추옌원: 한계가 있을 수 있습니다. 하지만 현재 시점에서 보이는 엔드투엔드 모델도 이와 같은 문제를 가지고 있다고 생각합니다. 이 모델들도 특정 환경에서 데이터를 수집한 후, 후처리 훈련과 반복을 거쳐야 합니다. 조명 환경이 바뀌거나, 레이스 감자칩 한 봉지를 펩시콜라 한 병으로 바꾸는 것만으로도 변화가 발생합니다.
우리가 하고자 하는 것은 먼저 Agent 프레임워크를 사용하여 작업을 실행하는 것입니다. 다소 투박해 보일 수 있지만, 일단 배포되면 사용자와 로봇 간의 상호작용 자체가 해당 환경의 데이터가 됩니다. 이러한 전문가 궤적은 이후 엔드투엔드 모델의 반복을 지원할 수 있습니다.
동찰 Beating: 누가 로봇을 가르치나요? 왜 반드시 Agent의 자가 진화 루프를 만들어야 하나요?
추옌원: 모든 매장에 엔지니어를 배치할 수는 없습니다. 점장이나 직원이 선풍기 사용법을 배우듯이, 자신의 환경에서 로봇에게 작업을 가르치는 방법을 익혀야만 실제 환경에서 새로운 데이터를 수집할 수 있습니다.
자연어 상호작용과 Agent Loop는 이를 위해 설계되었습니다. 우리의 구상은 인간이 개입해야 하는 부분을 최소화하고, Agent가 작업 중에 반성하고 조정하며 다양한 스킬을 스케줄링하여 작업을 완료하도록 하는 것입니다. 현재 이는 여전히 다듬어지고 있는 프레임워크로, 대규모로 검증된 해결책은 아닙니다.
동찰 Beating: 소개에 '판매 지표에 따라 판매 행동을 반복한다'고 적혀 있습니다. 이는 로봇이 단순한 육체 노동 외에도 판촉 작업을 수행해야 한다는 의미인가요?
추옌원: 여기서 말하는 판매 지표는 로봇이 판촉을 해야 한다는 의미가 아닙니다. 소매 체인에서 공급망 관리는 본래 중요하며, 백엔드에는 판매 데이터도 있습니다. 로봇이 현장 노동에 투입되면, 매장의 판매 데이터, 출퇴근 시간대의 고객 흐름, 진열대 배치 및 보충 로그 등이 로봇이 현장을 이해하는 데 일부가 됩니다.
이 데이터는 백엔드로 전송되어 공급 및 진열을 최적화하고, 재고 부족이나 임박 상품 손실을 줄이는 데 사용될 수 있습니다. 이는 여전히 프론트 업무를 수행하는 것이지만, 업무 과정에서 축적된 기록이 매장 운영의 폐쇄 루프에 진입할 수 있습니다.
40%의 비용과 매장에 남겨진 인간의 역할
로봇이 소매 현장에 진입할 때 가장 쉽게 계산되는 것은 인건비입니다. LoopMaster는 '판매 비용 40% 절감'이라는 추정치를 제시했지만, 팀은 이 수치가 로봇 한 대가 충분히 안정적이고 장기간 유지보수 인력 없이 운영될 수 있다는 기대에 기반한 것임을 인정합니다.
더 계산하기 어려운 것은 인간입니다. 현재 그들은 상하차, 물품 인출, 보충 등의 작업을 기계에 맡기려고 합니다. 더 먼 미래에는 로봇이 더 많은 인력을 대체할 가능성도 배제하지 않습니다. 그러나 인간과의 소통 문제를 다룰 때는 이것이 인간이 기계로 대체될 수 없는 부분이라고 생각합니다.
동찰 Beating: '판매 비용 40% 절감'이라는 수치는 어떻게 도출되었나요?
셰준: 저희 추정은 로봇 한 대의 구매 비용, 일일 Token, 전기료 및 소량의 유지보수 비용을 직원 두 명의 임금과 비교한 것입니다. 2년 회수 기간을 기준으로 계산한 결과, 기존 매장의 판매 인건비 대비 약 40% 절감 효과를 얻었습니다.
동찰 Beating: 로봇도 엔지니어의 유지보수가 필요합니다. 점장이나 직원이 해결할 수 없는 문제에 대해 유지보수, 수리 및 수동 전환 비용이 포함되었나요?
셰준: 이 수치의 전제는 최종 제품이 예상된 안정성에 도달하는 것입니다. 실제 상용화 전에 모터, 배선, 장애물 회피, 정지 문제 등을 최대한 해결하고, 먼저 장시간 연속 작동 및 인간 개입 없이 운영되는 지표를 달성한 후에야 이러한 추정을 논의할 수 있습니다.
유지보수는 분명히 존재할 것입니다. 심각한 고장 시 엔지니어가 현장에서 처리하거나 수리를 위해 반송해야 할 수 있습니다. 본체가 충분히 모듈화되고 구조가 충분히 단순하다면 수리 튜토리얼을 제공할 수도 있습니다. 향후 로봇이 충분히 많이 배치되면 휴대폰이나 컴퓨터 수리와 같은 수리 서비스가 등장할 수 있습니다. 우리는 유지보수 비용도 최대한 낮추기를 희망합니다.
동찰 Beating: 이상적인 소매 매장에서 인간과 기계는 각각 어떤 역할을 하나요?
쩌우옌원: 단계적으로 진행될 것입니다. 첫 번째 단계는 분명히 상하차입니다. 이후에는 창고에서 물품을 가져오거나, 고객과 부분적으로 소통하거나, 다양한 로봇과 AI 기능을 통합하는 것으로 확장될 수 있습니다. 그 다음으로는 매장에 이미 축적된 맥락과 판매 지표를 기반으로 경영 관리에 대한 보조 역할을 수행하는 것입니다.
동찰 Beating: 일반 고객이 로봇이 있는 매장에 들어갔을 때, 어떤 심리적 과정을 거칠까요? 그들은 로봇을 신뢰할까요?
셰쥔: 처음에는 신선하고 재미있다고 느낄 수 있지만, 바로 신뢰하지는 않을 겁니다. 하지만 앞으로 모든 매장에 로봇이 있다면, 사람들은 점차 익숙해질 것입니다.
이미 아이스크림을 판매하는 로봇이 등장한 사례가 있습니다. 로봇이 자체 브랜드를 형성할 수도 있습니다. 예를 들어, 모든 음료와 디저트를 로봇이 만드는 완전 로봇 레스토랑에서 제품이 맛있고 다른 곳에서는 구할 수 없다면, 고객은 이를 단순히 인력을 대체하는 도구로만 보지 않을 것입니다.
경영자 관점에서 로봇은 위생, 인건비, 재고 관리 측면에서 장점을 가질 수 있습니다. 매장에서 불필요한 식품 폐기와 손실을 줄이는 데 도움을 줄 수 있습니다.
동찰 Beating: '인력 대체'가 로봇의 가장 직접적인 비즈니스 논리라고 생각하시나요? 여전히 사람만이 할 수 있는 작업은 무엇인가요?
셰쥔: 사람 간의 소통, 자연스러운 동행, 따뜻한 감정은 현재 로봇이 충족시키기 어려운 부분입니다.
장기적인 관점에서 보면, 로봇의 제어가 충분히 부드럽고 두뇌도 충분히 똑똑해진다면, 완전한 인력 대체도 기대할 수 있습니다. 하지만 민감한 일부 상황에서는 진행 속도가 더딜 수 있습니다.
동찰 Beating: 대형 모델과 본체 모두 빠르게 업데이트되고 있습니다. 상점이 2년 안에 원금을 회수할 목적으로 로봇을 구매한다면, 2년 차에 오래된 하드웨어의 감가상각과 세대 교체 문제에 직면하지 않을까요?
셰쥔: 하드웨어 세대 교체는 분명히 발생합니다. 컴퓨터와 휴대폰도 몇 년 후면 업데이트되듯이 말이죠. 우리는 로봇 하나가 30년 동안 건강하게 작동할 것이라고 약속하지 않습니다. 현실적인 목표는 5년에서 10년입니다.
단기적으로 1~2년 내 업데이트는 감가상각을 초래합니다. 따라서 제품 설계 시 관절 모터, 구조 부품 등을 다음 세대에 재사용할 수 있도록 최대한 노력합니다. 우리는 두뇌의 업데이트가 본체 업데이트보다 빠르기를 더 바랍니다. 소프트웨어는 온라인 업그레이드가 가능하며, 몇 주에 한 번 또는 한 달에 여러 번 버전이 나올 수 있습니다. 반면 본체는 가능한 오랜 기간 동안 범용성을 유지하도록 설계합니다.
셰쥔은 Yushu G1을 예로 들어, 1~2년 후에도 범용 본체 형태가 여전히 사용 가치를 가질 수 있다고 설명합니다. LoopMaster의 경우, 최초로 판매된 로봇이 알고리즘 업데이트 때마다 전체를 교체할 필요가 없기를 바랍니다.
먼저 본체를 매장에 배치하고, 그다음에 해자(경쟁 우위)를 논하라
'거대한 서사'를 입에 달고 사는 많은 스타트업 팀과 달리, LoopMaster의 답변은 비교적 솔직합니다. 셰쥔은 현재 명확히 설명할 수 있는 것은 저비용 본체, 다듬어지고 있는 Agent 자체 진화 프레임워크, 그리고 엔드투엔드(end-to-end) 방식보다 먼저 실제 현장에 진입해 데이터를 축적하려는 경로라고 직접 말합니다.
팀원 모두가 00년대생으로, 복잡한 오프라인 공급망과 B2B 업무에 대해 경험이 부족하다는 점을 인정합니다. 대회에서는 프로토타입 하나를 무대에 올릴 수 있지만, 실제 소매 배포는 조달, 사후 서비스, 고객 의사 결정, 신뢰성, 공급망 및 자금을 모두 고려해야 합니다. 모든 일이 로드쇼보다 느리게 진행됩니다.
동찰 Beating: 기존 대기업 및 로봇 제조사와 경쟁할 때, 여러분의 핵심 경쟁력(모트)은 무엇이라고 생각하시나요?
셰준: 현재 단계의 강점은 첫째, 저렴한 본체입니다. 둘째, 비교적 새로운 Agent 자기 진화 프레임워크입니다. 셋째, 실제 현장에 가장 먼저 진입할 수 있다면, 실제 기기 운용, 사용자 상호작용 및 상업화 과정에서의 데이터를 더 빨리 확보할 수 있다는 점입니다.
하지만 구체적인 상업화 모트에 대해서는 아직 완전히 정리되지 않았습니다. 먼저 이러한 역량을 구축한 후, 배포 과정에서 진정한 가치를 찾고자 합니다.
동찰 Beating: 여러분은 모두 00년대생입니다. 오프라인 매장, 공급망 및 소비자 현장을 다룰 때 경험 부족을 느끼나요? 어떤 시행착오를 겪었나요?
셰준: 그렇습니다. 현재 팀은 모두 00년대생으로, 상업화 및 B2B 경험이 부족합니다. 향후 진정한 상업화를 위해서는 경험 있는 상업화 파트너를 영입하고, 업계에서 이 일을 해본 사람들에게 배워야 할 것입니다.
동찰 Beating: 미래에 오프라인 현장에서 성공할 것은 범용 휴머노이드 로봇일까요, 아니면 특정 작업을 위해 설계된 전용 로봇일까요?
셰준: 두 가지 모두 존재할 것이라고 생각합니다. 범용 휴머노이드 로봇은 적용 가능한 현장이 더 많지만, 에너지 소비, 복잡성 및 안정성 측면에서 전용 로봇보다 반드시 우수하다고 할 수는 없습니다. 휴머노이드는 관람성에서 더 강점을 보일 것입니다.
무인 매장과 같은 현장에서는 이동 능력을 갖추고 상반신이 작업을 수행할 수 있는 반인간형 시스템이면 충분할 수 있습니다. 사람처럼 보이기 위해 모든 복잡성을 감당할 필요는 없습니다.
동찰 Beating: 향후 제품 출시, 자금 조달 및 확장에 대한 일정 계획은 무엇인가요?
셰준: 대회 이후, 우리는 탐월(探月)과 비교적 깊이 있는 교류와 협력을 진행했습니다. 본체를 실험실 및 연구용 제품으로 사용하는 경우, 진행 속도가 상대적으로 빠를 것입니다. 가까운 시일 내에 일부 주문이 나올 것으로 예상합니다.
하지만 실제 특정 상업 현장을 대상으로 한 배포의 주기는 아직 확정할 수 없습니다. 팀은 여전히 프로젝트를 조율 중이며, 자원, 투자 및 업계 조언을 찾고 상업화 경로를 계속 반복 개선하고 있습니다.
모든 회사를 새로운 연구소로 만들 필요는 없다
인터뷰에서 거품에 대해 이야기할 때, Zou Yanwen은 현재 임베디드 인텔리전스의 거품이 대규모 언어 모델의 거품보다 더 심각하다고 생각한다. 그는 대규모 언어 모델은 적어도 구독료를 내는 사람들이 있지만, 임베디드 조작 분야의 많은 학습 기반 로봇은 아직 실제 적용 시나리오에 진입하지 못했다고 말했다. 시가총액 대비 매출 비율로 계산하면 오히려 거품이 더 클 수 있다.
현재 단계에서 임베디드 인텔리전스 연구는 중요하지만, 그는 우리가 그렇게 많은 Neo Lab이 필요하지 않다고 생각한다. 모든 회사는 더 기본적인 질문에 답해야 한다. 즉, 어떤 시나리오에서 작동할 것인지, 그리고 그 시나리오가 더 강력한 능력으로 나아갈 수 있도록 지원할 수 있는지 여부다.
팀은 마지막으로 오픈소스로 주제를 돌렸다. 지난 2년 동안 만든 본체를 학생과 개발자에게 공개할 의향이 있으며, 디자인, 미술, 중국어문학 배경을 가진 사람들의 참여도 환영한다. 임베디드 인텔리전스는 모델 논문과 투자 뉴스에서만 자라지 않는다. 그것은 설치되고, 가르쳐지고, 수리되어야 하며, 특정 매장에서 특정 사람들과 함께 존재해야 한다.
Skills 자체 진화 성장
동찰 Beating: 임베디드 인텔리전스에서 다음에 어떤 거품이 가장 나타날 가능성이 있다고 보시나요?
Zou Yanwen: 저는 그 거품이 대규모 언어 모델보다 작다고 생각하지 않습니다. 대규모 언어 모델은 적어도 구독료를 내는 사람들이 있습니다. 임베디드 조작 분야에서 많은 학습 기반 로봇은 아직 실제 적용 시나리오에 진입하지 못했습니다. 시가총액 대비 매출 비율로 계산하면 분모가 작아 오히려 거품이 더 클 수 있습니다.
앞으로 한동안 데이터가 축적된 후 엔드투엔드 전략에서 더 강력한 능력이 나타나기를 모두가 기대할 것입니다. 하지만 모든 회사를 Neo Lab으로 만드는 것을 경계해야 합니다. 모든 창업 팀은 자신의 응용 시나리오와 그 시나리오가 최종적으로 원하는 엔드투엔드 능력으로 이끌 수 있는지 명확히 해야 합니다.
동찰 Beating: 업계가 현재 임베디드 인텔리전스에 대한 관심이 너무 좁다고 말씀하시는 이유는 무엇인가요?
Zou Yanwen: 전통적인 로봇은 원래 인식, 의사 결정, 제어 등 복잡한 모듈을 가지고 있으며, 각각은 별도의 연구 방향입니다. 오늘날 사람들은 월드 모델, VLA 또는 하위 수준 전략에 대해 논쟁할 때 종종 블록 타워의 몇 개 블록만 바라봅니다.
이러한 문제는 물론 중요하지만, 로봇을 실제로 적용하려면 본체와 알고리즘을 계속 반복하고, 양산 부품을 선택하며, Agent Loop를 구축하고, 학습 기반 및 비학습 기반 방법을 모두 수행해야 합니다. 하위 수준 전략은 나중에 점점 더 커져 다른 모듈을 흡수할 수도 있지만, 지금 더 중요한 것은 먼저 전체 건물을 세우는 것입니다.
동찰 Beating: 왜 오픈소스를 고집하며, 어떤 사람들이 이 업계에 들어오길 바라나요?
셰쥔: 펑둥과 저는 2년 동안 온톨로지(본체)를 개발했지만, 여전히 오픈소스로 공개하기로 결정했습니다. 더 많은 학생, 업계 종사자, 그리고 다른 분야의 사람들이 참여하길 바라기 때문입니다. AI와 Agent 프로그래밍을 활용하면 깊은 기술적 배경이 없는 사람들도 더 쉽게 로봇을 사용하고 탐구에 참여할 수 있습니다.
현재 많은 구현형 지능 데모가 다소 동질화되어 있습니다. 업계에는 새로운 아이디어가 필요합니다. 미술이나 중국어문학을 전공한 사람들은 순수 기술 배경을 가진 사람들과는 다른 시각을 제공할 수 있습니다. 우리는 해커톤 로드쇼에서 기술을 모르는 소규모 사장님들도 저렴한 비용으로 로봇을 사용해 판매 직원의 일부 역할을 맡길 수 있길 바란다고 말한 적이 있습니다. 이것이 우리가 오픈소스와 진입 장벽을 낮추는 초심입니다.
또한 탐월(探月)이 팀에게 발표와 협력 기회를 제공해 준 것에 감사드립니다. 우리는 프로젝트가 계속 발전하길 바라며, 업계에 더 많은 새로운 관점, 새로운 패러다임, 그리고 실제 문제를 해결하는 시나리오가 등장하길 기대합니다.
동찰 Beating: 오늘날 VC가 대학에 진출해 학생과 교수들의 창업을 장려하고, 이른바 Neo Lab 트렌드를 어떻게 보시나요?
쩌우옌원: 이것을 단순히 좋은 일 또는 나쁜 일로 규정할 수 있을지 확신하지 않습니다. 현실은 대학 체제가 딥러닝 연구에 필요한 막대한 자금과 연산 능력을 수용하기 어렵다는 점입니다. 일부 교수들에게는 창업을 하거나 기업과 협력하거나 Neo Lab과 같은 조직을 만드는 것이 자원을 확보하는 한 가지 방법이 될 수 있습니다.
하지만 이는 1차 시장과 2차 시장의 평가 가치 역전, 첫 라운드에서 너무 큰 금액을 조달하는 등의 문제를 초래할 수도 있습니다. 어떤 연구는 확실히 많은 자금이 필요할 수 있지만, 반드시 그렇게 많은 인력이 필요하지는 않을 수도 있습니다. 연구 조직이 자원을 확보하는 방식과 기업이 시장에서 평가받는 방식은 결국 같은 문제가 아닙니다.
먼저 바닥을 그려라
2016년 영화 《더 파운더》는 맥도날드가 어떻게 한 레스토랑에서 프랜차이즈 기업으로 성장했는지를 다룹니다. 영화 초반, 밀크셰이크 기계 판매원 레이 크록이 캘리포니아 샌버너디노에서 맥도날드 형제를 만납니다. 형제는 자신들의 '빠른 서비스 시스템'을 설명한 후, 빈 땅에 분필로 주방, 픽업 창구, 프라이어, 직원이 회전하는 위치를 그리고 직원들이 주문 접수, 포장, 전달을 반복해서 시뮬레이션하게 합니다. 이 흐름이 점점 더 매끄러워질 때까지 말이죠.
《더 파운더》 영화 스틸컷
먼저, 어떤 직원이 항상 돌아서 가는지, 누가 음식을 가져갈 때 부딪히는지, 어떤 동작이 고객을 30초 더 기다리게 하는지를 기억하는 사람이 있다. 그런 다음 도면이 나오고, 많은 사람의 경험을 압축해 후배들이 따라 하기만 해도 되는 동작으로 만든다.
원문 링크
BlockBeats 공식 커뮤니티에 참여하세요:
Telegram 구독 그룹：https://t.me/theblockbeats
Telegram 토론 그룹：https://t.me/BlockBeats_App
Twitter 공식 계정：https://twitter.com/BlockBeatsAsia
관련 기사
