메크마인드로보틱스(유) 부스 전경(좌) / 사진. 로봇기술
휴머노이드 로봇과 피지컬 AI를 중심으로
자동화 기술이 비정형 공정과 숙련 작업까지 대응하는 방향으로 발전하는 흐름을 AW 2026에서 확인할 수 있었다. 이번 전시회에서는 특히 AI와 데이터 기반 기술을 활용해 로봇이 환경을 인식하고 스스로 판단하는 유연한 자동화 시스템으로 진화하는 과정이 공개됐다.
유연 생산 환경 대응
AW 2026서는 휴머노이드 로봇·피지컬AI가 차세대 자동화 기술로 부상하는 흐름이 나타났다.
로봇의 인지, 이동, 조작을 구성하는 핵심 요소들이 고도화되면서 자동화 기술 역시 보다 복잡한 작업을 수행할 수 있는 방향으로 발전하고 있다. 특히 기존 자동화가 정형화된 반복 작업 중심이었다면, 최근에는 상황 인식과 판단, 정밀 조작이 동시에 요구되는 영역으로 기술 적용이 확대되고 있다. 이러한 변화는 복잡한 작업 조건을 처리하는 방향으로 발전하며, 기존 자동화 방식으로는 대응하기 어려웠던 공정까지 기존 자동화로 어려웠던 작업까지 다루는 계기로 작용하고 있다.
또한 자동화 기술은 하드웨어 중심에서 소프트웨어와 데이터 기반 기술이 결합된 형태로 진화하고 있다. 비전 인식, AI 알고리즘, 센서 데이터 처리 기술이 결합되면서 로봇은 단순 동작 수행 장비를 넘어 작업 환경을 이해하고 대응하는 시스템으로 발전하고 있는 모습을 살펴볼 수 있었다.
휴머노이드 로봇(우) / 사진. 로봇기술
인지·판단·행동 통합
메크마인드로보틱스(유)는 범용 로봇 프레임워크‘Eye-Brain-Hand’를 기반으로 휴머노이드 로봇의 실제 산업 적용 가능성을 구체화했다. 이번 전시에서는 로봇의 인지(Vision), 판단(AI), 조작을 하나의 시스템으로 통합해, 단순 동작 수행을 넘어 자율적인 작업 수행이 가능한 체화 지능 로봇의 진열대 물품 자율 피킹 솔루션을 제시했다. 이를 통해 주문 처리부터 상품 인식, 픽업, 이송까지 전 과정을 무인으로 수행할 수 있는 범용 자동화모델을 구현했다는 점에서 주목을 받았다.
특히 ‘Mech-Eye NANO ULTRA-GL’ 컬러 커스터마이즈드 3D 카메라는 4.3MP급 고해상도와 0.1㎜ 수준의 정밀도를 기반으로, 다양한 실제 상품의 형상과 색상을 정밀하게 반영한 고정밀 컬러 3D 데이터를 제공한다. 이를 통해 기존 3D 비전에서 한계로 지적되던 복잡한 형상, 반사체, 색상 혼합 환경에서도 안정적인 인식이 가능하도록 설계됐다.
AI Brain 역할을 수행하는 Mech-Vision, Mech-DLK, Mech-Viz는 자체 개발된 지능형 소프트웨어로 구성되며, 3D 카메라로부터 획득한 데이터를 기반으로 객체 인식, 위치 추정, 작업 경로 생성까지 전 과정을 통합적으로 처리한다. 특히 작업 대상의 위치와 상태를 실시간으로 분석해 최적의 피킹 방식과 경로를 자율적으로 계획하는 기능을 통해, 기존 티칭 기반 로봇 대비 높은 유연성과 작업 효율을 확보했다.
조작 영역에서는 ‘Mech-Hand Five-Finger’ 다관절 로봇 핸드가 적용됐다. 다수의 관절과 높은 자유도를 기반으로 사람 손과 유사한 수준의 정밀 조작이 가능하며, 다양한 형태와 재질의 물체를 안정적으로 파지할 수 있다. 특히 좁고 복잡한 진열대나 밀집된 작업 환경에서도 유연하게 대응할 수 있도록 설계돼 실제 물류 및 리테일 환경 적용 가능성을 높였다.
이와 함께 양팔 구조의 휠 기반 휴머노이드 로봇은 고자유도 관절 설계와 전방향 이동이 가능한 주행 구조를 갖추고 있으며, Eye-Brain-Hand 기반의 복합 인지 및 자율 계획 기능을 결합해 공간 제약이 큰 환경에서도 안정적인 작업 수행이 가능하다. 이러한 시스템 통합을 통해 로봇이 환경을 인식하고 스스로 판단해 작업을 수행하는 ‘인지-판단-행동’ 구조를 구현했으며, 다양한 작업 조건에서도 일관된 성능을 유지할 수 있는 범용 자동화 플랫폼으로서의 가능성을 제시했다.
(주)원익로보틱스의 알레그로 핸드 / 사진. 로봇기술
복잡한 산업 현장 대응 대응형 로봇 솔루션 제시
(주)원익로보틱스는 자율이동조작로봇(AMMR)을 중심으로 ‘인지·이동·조작’이 통합된 자동화 구조를 선보였다. AMMR은 기반 이동 플랫폼에 6자유도 로봇팔을 결합한 이동형 매니퓰레이터로 복잡한 산업 환경에서도 유연하게 이동하며 작업을 수행할 수 있도록 설계됐다. 메카넘 휠을 적용해 전방위 이동이 가능하며, ±1㎜ 수준의 정밀 도킹 성능을 통해 반도체 및 전자부품과 같은 고정밀 공정에도 대응한다.
더불어 비전 AI와 로봇제어시스템(RCS)을 결합해 작업 환경을 인식하고, 상황에 맞춰 공정을 실시간으로 설정할 수 있는 솔루션을 제안했다. 이는 로봇이 단순히 명령을 수행하는 수준을 넘어, 작업 조건에 따라 스스로 대응하는 자동화 구조로 발전하고 있음을 보여준다.
함께 공개된 로봇 핸드 ‘알레그로 핸드’는 정밀 조작 기술을 대표하는 요소로 꼽힌다. 16자유도 기반의 독립적인 손가락 관절 구조와 16개의 압력 감지 센서를 통해 물체 접촉 시 발생하는 힘과 압력을 세밀하게 감지할 수 있도록 설계됐다.
이를 통해 다양한 형태와 재질의 물체를 보다 안정적으로 파지할 수 있으며, 사람의 손과 유사한 수준의 조작 정밀도를 구현할 수 있다. 또한 ISO 표준 인터페이스를 적용해 다양한 산업용 로봇과의 호환성을 확보했으며, CAN 및 이더넷 통신을 지원해 기존 자동화 시스템과의 연계성도 강화했다.
이러한 설계는 로봇 핸드 기술이 특정 장비에 종속되지 않고 다양한 자동화 환경에서 활용될 수 있음을 보여준다.
(주)테슬로 델토 그리퍼 시리즈 / 사진. 로봇기술
지그 교체 없이 공정 전환 기여
TM로봇 한국지사와 협업한 (주)테솔로는 다관절 그리퍼 기반 자동화 솔루션을 선보였다. 협동로봇과 결합된 3지 다관절 그리퍼는 물체 형상에 따라 파지 방식이 달라지는 구조로, 비정형 부품이나 이종 부품을 안정적으로 처리할 수 있도록 설계됐다.
특히 세 개의 손가락이 물체에 능동적으로 적응하며 접촉면을 넓히는 방식으로 파지 안정성을 높였으며, 다양한 조건의 작업 환경에서도 일관된 성능을 유지할 수 있도록 했다.
이러한 구조는 기존 평행 그리퍼가 가진 한계를 보완하는 기술로 평가된다. 기존 자동화에서는 부품 형상이 바뀔 경우, 지그를 교체하거나 공정을 재설계해야 한다. 하지만, 다관절 그리퍼는 형상 적응형 파지 방식으로 공정 변경에 유연하게 대응할 수 있다.
해당 솔루션은 빈피킹, 이종 부품 조립, 원키트 공정 등 다양한 제조·물류 공정에 적용 가능성을 제시했으며, 공정 변경 시에도 별도의 지그 교체 없이 대응할 수 있다는 점에서 유연 생산 환경에 적합한 자동화 모델로 평가된다. 특히 다품종 소량생산이 확대되는 산업 구조 변화 속에서 생산 효율성과 유연성을 동시에 확보할 수 있는 기술로 주목받고 있다.
숙련 작업까지 자동화한다
(주)카본식스는 피지컬 AI 기반 자동화 전략을 중심으로 비정형 작업 대응 기술을 소개했다. 사람의 작업 동작을 학습하는 모방학습 기술을 활용해 기존 자동화가 어려웠던 공정을 해결하는 접근이다.
전기차 파워 케이블 체결 공정 등 위치 불확실성과 힘 제어가 동시에 요구되는 작업을 대상으로, 접촉 감지와 탐색 동작을 결합한 자동화 방식을 제시했다.
특히 작업자의 실제 동작을 데이터로 학습해 힘의 세기, 타이밍, 접촉 방식까지 반영하는 점이 특징이다.
이를 통해 단순 반복 작업이 아닌 숙련 작업까지 자동화할 수 있는 가능성을 제시했다. 기존 자동화 방식이 정형화된 조건에서 높은 효율을 보였다면, 해당 기술은 환경 변화가 큰 작업에서도 안정적인 수행이 가능하도록 설계됐다.
또한 AI와 룰베이스를 결합한 하이브리드 제어 구조를 통해 작업 효율성과 시스템 안정성을 동시에 확보하려는 전략이 강조됐다. 물체 인식과 파지 등 복잡한 판단 영역은 AI가 담당하고, 이동이나 복귀 등 반복 동작은 룰베이스로 처리하는 방식으로 시스템 부하를 줄이면서도 안정성을 확보했다.
이는 단순한 기술 구현을 넘어 실제 산업 현장에서 요구되는 생산성과 신뢰성을 고려한 접근으로 평가된다.
특히 특정 로봇 플랫폼에 의존하지 않고 기존 산업용 로봇과의 호환성을 확보하는 방향은 투자 효율성과 적용 범위를 동시에 고려한 현실적인 자동화 전략으로 주목된다.
(주)로보티즈의 AI 매니퓰레이터 / 사진. 로봇기술
데이터 기반 로봇 제어 구조
(주)로보티즈는 텔레오퍼레이션과 모방학습 기반 로봇 제어 기술을 공개했다. 사용자의 동작을 실시간으로 반영해 로봇이 동일하게 움직이는 원격 조작 기술과, 이를 통해 축적된 데이터를 기반으로 자율 작업을 수행하는 구조를 함께 제시했다.
VR 인터페이스를 활용해 작업 환경을 시각적으로 확인하고 직관적으로 제어할 수 있도록 했으며, 사용자는 로봇의 시점에서 작업을 수행하듯 원격으로 조작할 수 있다. 이를 통해 물체 인식과 파지, 이송까지 이어지는 작업 흐름이 구현되며 실제 적용 가능성을 보여줬다.
특히 텔레오퍼레이션을 통해 확보된 작업 데이터를 학습에 활용함으로써, 반복 작업을 자동화하는 구조가 특징이다.
이는 기존 프로그래밍 기반 자동화와 달리, 작업 수행 경험을 그대로 반영할 수 있다는 점에서 차별화된다.
또한 향후 촉각 센서를 활용해 물체의 무게나 표면 상태와 같은 물성 정보까지 반영할 계획이다. 이를 통해 단순 위치 기반 제어를 넘어 보다 정교한 파지와 조작이 가능해질 것으로 기대된다.
이러한 접근은 로봇 제어 방식이 규칙 기반에서 데이터 기반으로 전환되고 있음을 보여주는 대표적인 사례로 평가된다.
한편 이번 전시에서 확인된 휴머노이드 로봇·피지컬 AI 기술은 형태보다 기능 구현에 초점을 맞추고 있다는 점이 특징이다. 다양한 요소 기술이 결합되며 자동화의 적용 범위가 확장되고 있으며, 실제 산업 현장에서 활용 가능한 수준으로 기술 완성도를 높이려는 흐름이 이어지고 있다.
결과적으로 해당 기술들은 아직 초기 단계이지만 제조 현장에서 요구되는 유연성과 정밀도를 동시에 충족하기 위한 방향으로 발전하고 있다. 향후 자동화 시장에서 중요한 역할을 차지할 기술로 평가되며, 관련 기술 경쟁 역시 더욱 확대될 것으로 보인다.
