피지컬AI 시대, 인간 데이터를 모아라

테슬라 옵티머스가 걷고, 피규어AI 로봇이 커피를 내리는 영상을 본 적이 있을 것이다. 이런 로봇을 움직이는 힘은 화려한 하드웨어가 아니다. 진짜 승부처는 데이터다. 그중에서도 인간이 몸을 써서 만들어내는 데이터, 이른바 ‘피지컬 데이터’가 피지컬AI 시대의 핵심 자원으로 떠올랐다.

피지컬AI, 왜 지금 주목받나

피지컬AI는 챗봇처럼 텍스트만 다루는 AI가 아니다. 로봇 팔, 휴머노이드, 자율주행차처럼 물리 공간에서 실제로 움직이고 조작하는 AI를 뜻한다. 언어모델은 인터넷에 쌓인 텍스트로 학습하면 됐지만, 로봇은 사정이 다르다. 문을 여는 동작, 물건을 잡는 손 힘 조절, 계단을 오르는 균형 감각은 텍스트에 존재하지 않는다. 결국 로봇을 똑똑하게 만들려면 사람이 직접 몸으로 만든 데이터가 있어야 한다.

인간 데이터, 로봇 학습의 새로운 원유

업계에서는 이 데이터를 흔히 ‘피지컬 데이터’라고 부른다. 사람이 물건을 집고, 옮기고, 조립하는 동작을 센서와 카메라로 기록한 것이다. 오픈AI, 구글 딥마인드, 테슬라 같은 기업들이 최근 이 데이터를 확보하는 데 막대한 자원을 쏟는 이유가 여기 있다. 텍스트 데이터는 이미 대부분 소진됐지만, 물리적 동작 데이터는 아직 채굴되지 않은 광맥에 가깝다.

대표적인 수집 방식

방식	특징
모션 캡처	전신에 마커를 부착해 정밀한 관절 움직임을 기록한다. 영화·게임 산업에서 이미 검증된 기술이다
웨어러블 슈트	장갑, 조끼 형태의 센서로 힘과 촉각까지 함께 수집한다. 일상 작업 데이터 확보에 유리하다
VR 텔레오퍼레이션	사람이 VR 컨트롤러로 원격 로봇을 직접 조종하며 시연 데이터를 생성한다
시뮬레이션	실제 촬영 없이 가상 환경에서 동작을 대량 생성한다. 비용은 낮지만 현실과의 격차가 과제다

스타트업과 개발자에게 열린 기회

데이터 확보 경쟁은 대기업만의 이야기가 아니다. 사람의 동작을 기록하고 정제하는 플랫폼을 만드는 스타트업이 빠르게 늘고 있다. 크라우드소싱 방식으로 일반인의 작업 영상을 모으고, 이를 라벨링해 로봇 학습용 데이터셋으로 판매하는 구조다. 개발자 입장에서는 로보틱스 자체에 뛰어들지 않아도, 데이터 파이프라인이나 라벨링 툴, 시뮬레이션 환경을 만드는 쪽에서 충분히 사업 기회를 찾을 수 있다.

넘어야 할 과제

물론 낙관만 할 단계는 아니다. 사람마다 동작 습관이 다르고, 촬영 환경에 따라 데이터 품질이 크게 흔들린다. 개인정보와 초상권 문제도 걸린다. 손동작이나 신체 움직임을 대규모로 수집하는 과정에서 동의 절차와 익명화 기준을 촘촘히 세우지 않으면 법적 리스크로 번질 수 있다. 데이터 표준이 아직 통일되지 않아, 회사마다 다른 포맷으로 데이터를 쌓고 있다는 점도 걸림돌이다.

정리하며

피지컬AI의 성능은 결국 얼마나 질 좋은 인간 데이터를 확보하느냐에 달려 있다. 텍스트 데이터를 선점했던 기업들이 언어모델 경쟁에서 앞섰듯, 앞으로는 사람의 몸짓 데이터를 먼저 확보한 쪽이 로봇 산업의 주도권을 쥘 가능성이 크다. IT 업계를 지켜보는 입장에서 이 흐름은 당분간 계속 주시할 만한 주제다.